傅军栋，刘 晶，喻 勇

（华东交通大学电气与电子工程学院，江西 南昌330013）

电力负荷预测水平已成为衡量电力系统运行管理现代化的标志之一［1］。它是制定发电计划和输电方案的主要依据，对合理安排机组启停、确定燃料供应计划、进行能量交易等具有重要意义，其预测精度的高低直接影响到电力系统运行的安全性、经济性。由于一些因素，如政治环境、人类活动和经济政策的复杂的和非线性的关系使得它非常难以准确预测年电力负荷。为提高电力负荷预测的准确性，学者和从业者提出了许多方法，如时间序列的技术和回归模型。然而，由于非线性拟合能力较差，这些预测方法难以实现较高的预测精度。近年来，许多人工智能的预测技术已在年电力负荷预测中应用，以提高预测的准确性。邵玉林［2］提出了一种基于粒子群优化方法的组合预测方法，它可以提高预测的稳定性和可靠性。夏非等［3］提出了采用径向基函数神经网络（RBFNN）中长期负荷预测模型，计算结果表明，该模型具有较高的预测精度和稳定性。Abou等［4］提出了人工神经网络（ANN）技术长期峰值负荷预测，这种基于埃及的电力网络历史数据的应用。贺晓等［5］提出了一种小波神经网络方法来预测中长期用电负荷，并且这种方法可以提高预测精度。李如琦等［6］提出了一种启发式支持向量机算法模型，并且该方法可以提供更准确的预测结果。这些方法从某种程度上都提高了电力负荷预测的精度。……