李嘉龙，李小燕，刘思捷，文福拴，郭文涛

(1.广东电网电力调度控制中心，广东 广州 510600;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

电力负荷预测是电力系统规划和运行的基础;准确的短期负荷预测对系统运行调度具有重要作用。影响负荷预测准确性的因素很多，包括负荷本身的变化规律、所在区域经济发展水平、用电结构、电价水平、气候变化等。实际负荷变化呈现很强的非线性特性［1］。

随着经济持续发展，人民生活水平不断提高，大功率、高耗能电器越来越普及，降温取暖负荷在总用电负荷中所占比例越来越大，气象因素对电力负荷的影响愈加显著。在夏季，气温每变化1℃都可能会对电力负荷产生很大影响。这样，如何在负荷预测时适当考虑气象因素就成为值得研究的重要问题。近年来，国内外在这方面已经做了一些研究工作，提出了一些方法。这些方法在总体上可分为两类:一类是通过研究气象因素与负荷之间的关系，建立气象因素与负荷的回归模型［2～4］，这种方法原理简单，但由于影响负荷变化的因素多，且存在突发性和随机性因素，预测精度一般较低;另一类是利用人工神经元网络等人工智能方法来计及气象因素的影响［5～8］，人工神经元网络具有很强的非线性映射能力和学习能力，但其存在网络结构和参数难以预先合理设定、可能局部收敛、收敛速度慢、知识表达不清晰、难以充分利用调度人员的经验知识等缺点。……