近年来，随着计算处理能力的突破以及互联网大数据的爆发，加之深度学习算法在数据训练上取得的进展，人工智能在感知智能上正实现巨大突破，AI 相关的应用也在近年加速落地。目前，人工智能已经上升为国家战略发展，在各大行业中的应用也越来越广泛。与传统技术相比，AI技术能够处理海量数据，具有优秀的自学习能力，在处理数据时可以快速找到重要和相关的结论，进行模式识别并开展对未来的预测，为量化负荷变化规律、识别负荷影响因素、提高负荷预测精度奠定良好的技术基础，为突破多年来制约传统电力负荷分析预测水平瓶颈提供重要契机。
1、不良数据智能识别与清洗
利用人工智能坏数据识别算法，智能识别外部输入数据中的不良数据，并进行智能化的清洗与修正。
2、大数据深度挖掘
深度分析与挖掘负荷与气象、用户、新能源、电网运行方式信息之间的关系，通过大数据挖掘分析发现隐藏在这些因素背后的价值和知识，研究不同行业负荷成分的负荷特征及变化规律，辨识各负荷成分对相关因素的敏感性，针对不同特征的分类负荷，设计与之相匹配的人工智能预测模型。
3、AI算法预测应用
