张刚，刘福潮，王维洲，李正远，郑晶晶，梁雅芳

(国网甘肃省电力公司电力科学研究院，兰州市730050)

0 引言

电力系统短期负荷预测是电力系统发电计划的重要组成部分，是电力系统经济运行的基础［1］。提高电力系统负荷预测精度一直是国内外学者所关注的热点问题。

近年来，出现了多种电力系统短期负荷预测方法，主要有回归分析法［2］、指数平滑模型［3］、随机时间序列模型［4-5］、灰色预测模型［6-7］、支持向量机及其改进模型［8-10］、神经网络及其改进模型［11-14］和组合预测模型［15-16］。从各种方法所使用的数据出发，可以将现有的方法分成2种类型，一种是考虑天气因素的方法;另一种是不考虑天气因素的方法，也就是基于历史数据的方法。这2种方法在应用中，各有利弊，基于历史数据的方法应用简单，建模比较容易，但考虑的因素较少，精度较低;考虑天气因素的方法虽然考虑影响负荷预测因素较多，但因为各种影响因素本身都是预测值，存在预测误差，应用于预测模型可能引起更大的误差，且这些预测值往往由于条件限制，不容易获取。因此，需要一种既能提高预测精度，且考虑因素较少的预测方法。基于上述原因，本文提出一种基于反向传播人工神经网络(back-propagation artificial neural network，BP-ANN)的负荷预测方法，首先选取多年历史数据，采用多尺度熵对其进行系统的分析，在此基础上建立一种基于历史数据的BPANN负荷预测模型，最后将预测模型应用于实际的负荷预测当中，同时，和其他2种BP-ANN预测模型的预测结果作对比，以验证此模型的性能。……