张丽芳 岳丽霖 连美霞

（1.山西地方电力有限公司，太原 030009；2.中国石油天然气有限公司吐哈油田分公司吐鲁番采油厂，新疆 吐鲁番 838200；3.机械工业信息研究院，北京 100037）

月度负荷预测一般为中期负荷预测，月度预测是电力系统调度部门、计划部门、营销部门的重要工作[1]，对于合理安排机组维修、实行经济调度、保障社会生产和居民生活用电、有效节约电能具有重要意义。通常，月度预测将月度指标（如月供电量、月售电量、月最大负荷、月最小负荷等）作为预测内容。

在现有预测方法中，有采用累似于年度负荷预测的模型（如线性回归模型、指数回归模型、灰色GM（1,1）模型）对月度负荷进行预测，虽然这类模型方法简单，但这些模型存在对一些近期数据利用程度不够的缺点。例如：要预测2009年5月的负荷，只用2002-2008年这6年中5月份的数据，可能造成对2009年5月影响最大的2009年4月负荷；2007年、2008年3－5月份负荷等这些新数据无法采用，势必造成月度负荷模型预测精度下降。

针对以上问题，考虑到月度负荷在各年中的变化规律呈现的周期性与短期负荷相似的特点，本文提出了基于RBF神经网络的月度负荷预测，采用此方法，既充分利用了最新的月度负荷数据，又充分考虑了月度负荷在各年中变化规律的周期性。实例应用后，结果显示，该方法预测效果较佳，满足中长期负荷预测的精度要求。

1 神经网络在电力系统中的应用

人工神经网络（ANN）应用类似大脑神经突触连接结构，通过协调内部大量节点之间相互的连接关系，进行信息处理。……