立项背景、主要做法、功能效果（益）、创新亮点、实施应用前后效果（益）情况、推广价值及范围（简要介绍，1200字以内）。 伴随着电网技术的日益健全和不断发展，呼和浩特地区电网日趋扩大并不断完善，用户对电力负荷以及供电可靠性的需求也在不断增加，如此快速的负荷增长使得电网中潮流大范围转移成为常态，输配电线路过负荷现象时有发生，经过统计现在调度员过负荷处理时间为29分钟，过负荷时间相对较长，这对电网安全稳定运行及供电可靠性极为不利，基于现在深度学习领域不断发展，人工智能与机器学习方法也被广泛用于电力负荷预测，调度管理处人员决定研发过负荷预测系统，达到预测在先，行动提前的目的，缩短调度员过负荷处理时间。 本成果研发人员研究对比了支持向量机（SVM），高斯过程，及人工神经网络三种方法建立预测模型，其中神经网络模型由于可以表示高度非线性的关系，而且在隐层神经元个数足够多时，或者隐层数目足够多时可以近似任意复杂函数，因此神经网络模型非常适于负荷预测问题。项目人员应用Bp神经网络建立模型输入多维样本数据进行电力负荷预测，并利用可视化技术与设备最大载流量进行对比，得到可视化结果。具体包括： 1.在利用SCADA数据采集系统及国家天气数据网的基础上，收集历史负荷及天气数据，并将收集的数据进行归一化处理，使模型读取数据占用内存资源更小，收敛速度更快。 2.在有限的电力负荷预测样本数据的基础上，构建多因素下（历史负荷、温度、节假日）负荷预测数理模型。 3.在数理模型的基础上，输入训练数据，得到经过模拟运算的可视化运算结果（整点电力负荷值）并与实际整点负荷值相比照，修正负荷预测数理模型的权值与阈值，得到最优模型。 4.在最优模型的基础上，将预测数据进行反归一化处理，并将预测数据与设备最大载流量进行对比，若过负荷则发出过负荷告警，得到可视化结果。 本成果可以实现过负荷的精确预测，提前预测设备过负荷，提前改变线路运行方式，提前编制线路过负荷处理预案，提前通知线路维护人员做好过负荷预案的方式，减少设备过负荷时间。 本成果利用Bp神经网络建立了历史负荷、温度、重大事件的多变量预测模型，提高了负荷预测精度，并利用负荷预测与设备允许最大载流量相对比，实现了过负荷的预测。 针对本成果经济效益研究人员根据每周上报的跳闸记录统计出10月份10kV线路共计过负荷线路3条按居民电价每度0.43元计算，并且因线路过负荷会导致电力电缆损坏， JYJ22-8.7/10kV-3*240mm的电缆一米价格1328元，我们以平均一年因过负荷损坏的电缆为456米计算，一年所实现的经济效益为（电流以200A计算、CT变比以400/5计算）： 本项目可以达到各类事件下过负荷的精确预测，可以为过负荷处理预案以及电网日调度计划的编写提供依据，这在蒙西电网各级配网调度中具有推广价值。