祖向荣，田 敏，白 焰

（华北电力大学 控制与计算机工程学院，北京 102206）

0 引言

短期负荷预测STLF（Short-Term Load Forecasting）主要用于预测未来几小时、一天甚至几天的负荷，STLF的精度与速度直接影响电力系统运行的安全性、经济性与供电质量。智能电网新能源高度渗入与电动汽车新消费模式等技术创新，赋予了STLF崭新的研究内容与挑战［1-3］，对负荷预测的准确性、实时性、可靠性与智能性提出更高的要求。在用户侧智能电表将逐步按细粒度间隔（如15 min）采集海量用户负荷数据，为智能用电细粒度数据分析与电力运行精细化管理提供基础。如何利用海量智能电表数据建立可靠的预测模型、提出高效的预测方法是STLF的重要课题［4-6］。

电力负荷具有非线性、时变性和不确定性的特点，具有复杂的非线性特征，现代负荷预测的一个基本问题是对非线性动态复杂系统的探索。STLF的复杂性体现在：负荷时间序列是一个非平稳的随机过程，呈现多种趋势分量、多重周期变化（日，周，年）与随机噪声，同时，负荷受多种外部变量，诸如气象、温度、时间、人口、经济、电力价格、地理环境、消费类型与习惯等的影响，其中气象与温度是重要外部变量影响因素，使负荷序列呈现典型的非线性时间序列特征。STLF作用的大小主要取决于预测精度，如何提高预测精度是目前研究STLF理论与方法的重点与难点。

电力负荷预测是智能电网的重要课题，作为一个重要分支，以神经网络为代表的人工智能与机器学习方法得到了不断的发展与应用。……