文献综述（或调研报告）：
- 负荷特性分析方面
负荷特性分析是电网规划、电网运行及需求侧管理工作的基础。国内外各大电力公司及众多科研机构在这一领域展开了诸多研究。
国外经济发达国家或地区因产业经济发达、产业结构相对稳定等因素，造成负荷曲线及负荷特性逐年变化不大，使得国外在分行业负荷曲线与负荷特性研究方面开展的工作较少、层次较浅，主要集中在聚类分析方面。例如D. Colley[1]运用K均值聚类法分析了澳大利亚昆士兰州2013年的月度与年度负荷曲线，并研究了天气与日期类型对负荷特性的影响。也有涉及了分行业负荷特性的研究，如：I. P. Panapakidis[2]总结对比了负荷曲线在地域维度和产业维度上的不同。
国内的负荷特性分析研究一般以省级尺度展开，部分研究深入到了产业或典型行业层面，如：程改红、朱庆春等[3]等分析了广西历史负荷特性及变化趋势，并与广东省负荷特性进行了对比。罗路平、杨超等[4]研究了经济发展方式、需求侧管理、生活水平及消费习惯等对江西电网的负荷特性的影响。任志超、张全明等[5]通过叠加估算以及用电量校核，分析了四川地区三次产业用电特性及负荷结构。李欣然、姜学皎等[6]运用模糊C均值聚类和模式识别原理，基于用户日负荷曲线进行用户行业分类，但仅限于市政生活、居民用电、重工业和轻工业。丰佳、周芸菲[7]对浙江省内七类典型工业用户用电情况进行调查研究，总结出七类主流用户的负荷特性；但其研究的行业种类覆盖面有限，研究重点放在基于用户工艺特点研究用电可中断能力。陈伟、乐丽琴等[16]分析了北京、天津、上海等三个地区行政办公、文化娱乐、体育运动、教育科研、医疗卫生、金融服务等六类用户的负荷特性。张子奇、郭彬等[17]研究了陕西省石化行业、高科技行业和大型商场的负荷曲线并进行负荷特性分析。张素香、刘建明等[20]在大数据框架下研究了居民用电特性。由于行业选取数量较少、地理覆盖面较小，研究成果无法大范围推广应用。
新电改环境下智能电网[19,24]、分布式能源、电动汽车、需求响应等发展都将大大改变电力用户的行为特点，用电行为的改变直接体现在用户负荷特性、行业负荷特性以及电网负荷特性。从负荷特性的整体情况来看，目前我国研究的深度普遍不够，以聚类分析为主[25-27]，各地区负荷特性分析采用的指标不完全一致，各地区所开展的负荷特性分析的深度和历史资料的积累也不一致。电力负荷特性分析的难度较大，主要表现在[8]：一是目前缺乏系统的负荷及负荷特性分析方法；二是负荷特性指标是时点指标，不同地区、不同时间的负荷特性不能直接叠加，使得进行大范围区域负荷特性分析的难度明显增加；三是各行业典型负荷曲线、非电网统调负荷特性曲线的获取和加工处理较为困难；四是定量分析各种因素对负荷特性的影响较为困难。因此负荷特性分析主要是以定性分析为主，有效地定量分析预测的方法不多。
- 负荷预测方面
负荷预测不是新名词，它可追溯到20世纪60年代末，第一篇关于负荷预测技术的论文发表[9]。基于时间尺度，负荷预测可以大致分为三大类[10]：
短期负荷预测（Short-term load forecast, STLF）：STLF的尺度为几分钟，几小时至日前或一周。STLF旨在实现经济的调度和优化发电机组，同时解决实时控制和安全评估问题。
中期负荷预测（Mid-term load forecast, MTLF）：MTLF的尺度是一个月到一年或两年。MTLF的目标是维护调度，协调负荷分配和价格结算，使供需平衡。
长期负荷预测（Long-term load forecast, LTLF）：LTLF的尺度是几年（gt; 1年）甚至是10-20年。LTLF旨在对电力系统总体扩张进行规划，包括发电，输电和配电。在某些情况下，它也会影响新发电机组的建设和投运。
三个类别中的每一个对于电力系统的平稳运行都同样重要，并且预测中的任何误差或者不确定性都会影响电力系统的经济和控制层面。在过去50年中，已经记录和使用了几十种不同的负荷预测方法。其中大多数属于短期负荷预测类别，中长期负荷预测在国外研究较少[12]。
