袁 斌，方芩璐，罗滇生，王 娟

（1.湖南大学电气与信息工程学院，长沙 410082；2.四川省成都电业局，成都 610016；3.63663部队技术部，乌鲁木齐 841700）

电力负荷预测，尤其是短期电力负荷预测在实时控制和保证电力系统经济、安全和可靠运行方面起着重要作用，对于系统运行和生产消费具有非常重大的意义［1，2］。近年来，大多数大中城市的负荷呈现出居民类负荷和第三产业负荷在社会总负荷中比重逐年上升的趋势。而这些负荷与天气状况尤其是气温存在密切关系，为气温敏感型负荷。因此要提高预测精度，关键是如何更加合理地考虑气象因素，尤其是气温对负荷的影响［3～5］。

目前的预测方法中，模糊线性回归法、人工神经网络法、专家系统法等方法对气象因素进行了很好的量化和估测，对传统预测方法进行了改进。文献［6］提出了一种利用多地区气温因素来进行电力负荷预测的方法，通过提高预测模型中输入（最高气温）与输出（负荷）的关联度来提高负荷预测精度。

一些系统事实上已经把这些预测模型用到了负荷调度中心。湖南省电力公司已经安装了用人工神经网络方法进行96点短期负荷预测的负荷预测系统，并在超短期和短期负荷预测中取得了可喜的成果。不过该系统仅用长沙一个地区气象因素代替整个湖南省的气象因素，当湖南省其它地区气象因素不同于长沙市的气象因素时可能会产生很大的负荷预测偏差。另外，在系统输入端气温因素只采用了最高气温，而输出端的预测值是96个时间断面点的负荷，因此在某些时间点会出现负荷与气温关联度不高的情况。……