冯丽云

（山西省晋城市水利局，山西晋城 048000）

电力负荷预测是电力系统的研究热点之一［1－3］．短期负荷预测是电力系统调度和管理部门制定负荷分配及开停机计划的主要依据．人工神经网络［4］、支持向量机［5］等方法在电力负荷预测中的应用取得了较好的效果．但人工神经网络方法具有隐层结点数不易确定、易陷入局部极小值、过拟合等缺陷;支持向量机在训练数据时存在数据处理量太大、处理速度慢等不足．遗传程序设计（Genetic Programming，GP）采用层次可变的形式表达问题，通过不断复制、交叉、变异以适应客观事实数据，针对具体问题自动给出恰当的函数解形式，在预测领域得到了广泛应用．如鞠平等将GP应用于电力负荷预测，可自动找出与负荷变化密切相关的因素［6］．

短期负荷预报需要考虑的影响因素有很多，如温度、降水量、风力等，各种因素的影响最终又会反映到负荷的变化上;而相似日的选取中能直接考虑各种相关因素［7］．笔者通过日特征量和日前趋势相似度及综合度量选取多个相似日，利用遗传程序设计进行建模，得到预测日的对应负荷．

1 相似日的选取

使用相似日的负荷数据可以提高预测结果的精度［5，8］．日特征相似时，其负荷特征曲线的形状并不一定相似，所以在选取相似日时需考虑其负荷特征曲线形状的相似度．某特征曲线形状相似度等价于趋势相似度．这里从日特征相似度和前趋势相似度综合的角度选择趋势相似日．

定……