随着经济的发展和产业结构的调整，企业的设备逐步向大容量、高参数设备升级，这导致了大用户的电压等级较高，负荷量很大。大用户负荷占地区负荷比例很高，它的波动对所在地区的负荷影响非常明显，增加了地区负荷预测的难度。有效的大用户负荷预测是提高整个电网负荷预测准确率的关键因素，对电网安全、经济运行有着重要的意义。
本文对地区大用户负荷曲线、日用电量曲线分析，总结得到大用户负荷波动剧烈并带有很大的随机性和企业的设备检修对负荷影响非常大等特点。大用户负荷不受气候、天气和节假日等因素的影响，但是它跟企业的生产工艺和生产计划紧密相关。根据钢铁企业、水泥企业、化纤企业和造纸企业的生产工艺流程、生产设备、负荷曲线分析了它们的负荷特性。
本文用灰色模型、BP神经网络、广义回归神经和灰色神经网络分别对大用户负荷进行单独预测和综合预测仿真。仿真结果表明，大用户的负荷具有很大冲击性和波动随机性，一般的算法对大用户负荷预测效果不是很理想。综合预测可以使大用户负荷波动相互抵消，负荷变得更加平稳，预测的精度更高。
针对传统的支持向量机（SVM）在负荷预测中参数选择对预测影响很大的问题，用粒子群(PSO)优化算法寻求SVM模型中惩罚参数、核函数参数的最优化。通过仿真表明，与其他算法相比，该算法不仅加快了收敛速度和提高了收敛精度，而且具有很好的预测效果，显示出算法在大用户负荷预测中的优势。
为了提高地区短期负荷预测水平，掌握地区典型大用户的负荷特点，设计开发了地区典型大用户负荷分析管理系统。系统是以地区大用户负荷为主要预测对象的一体化系统，以电力市场需求分析与预测理论为核心，集计算机、网络通信、信息处理技术及安全管理模式的综合信息系统。系统是基于MyEclipse平台和Oracle10g数据库开发的，采用多层体系Browser/Server（B/S）结构。系统可高效真实地自动采集电力系统运行信息，进行大用户负荷分析，得到预测结果，为地区负荷预测提供依据。
