刘 敏，万志宏，文福拴

(1.广州供电局，广东 广州 510620;2.华南理工大学 电力学院，广东 广州 510640;3.浙江大学 电气工程学院，浙江 杭州 310027)

0 引言

短期负荷预测是电力系统规划和运行的基础，关系到整个电力系统运行的安全性和经济性[1]。负荷需求受用电结构、气候变化、星期类型、需求侧管理等多方面因素的影响，这使得负荷变化呈现出非平稳的随机过程。因此，要对负荷进行准确预测是相当困难的。到目前为止，已提出来多种负荷预测方法，如时间序列分析法[2～4]、相似日法[5]、人工神经元网络[6～8]和支持向量机[9]等。

在上述方法中，基于时间序列分析的预报模型在很多领域包括电力系统短期负荷预测中得到了比较成功的应用。到目前为止，应用于电力系统短期负荷预测的时间序列模型主要为累积式自回归-滑动平均模型 (Auto-Regressive Integrated Moving Average，ARIMA)。由于 ARIMA模型只涉及负荷一个变量，无法描述各影响因素对负荷变化的影响，因此这种方法的预测准确性仍不如人意。为考虑各种相关因素对负荷变化的影响，文献[10]采用了传递函数模型分别对双休日和工作日的负荷进行建模，预测精度因此有所提高，但这种方法存在进一步改善的空间。

在此背景下，以文献[10]的工作为基础，本文做了进一步的研究，以改善负荷预测的准确性。基本思路是首先把负荷分解为周期分量和非周期分量，然而对这两个分量分别进行预测。具体地讲，首先基于历史负荷数据，采用传统分解法提取出负荷变化的周期分量，并得到剩下的非周期分量。……