段 炼，洪海生，乡 立，林 海，许中平，岳首志

（1. 广东电网 广州供电局，广州 510000；2. 北京国网信通埃森哲信息技术有限公司，北京 100032）

0 引言

电力负荷预测指的是基于历史的负荷数据特征，结合地域、环境、时间［1］、天气［2—3］、经济［4］等多种外界影响因素辅助完成对未来负荷数据的大小判定。准确高效的电力负荷预测能够合理的安排当地的运行、调度、检修等计划，提供电价制定等参考信息，减少资源浪费和提高经济效益，对智能电网高效稳定运行具有重要的意义［5］。

根据预测时间可将电力负荷预测分为长期负荷预测、中期负荷预测和短期负荷预测3 种类型。其中长期负荷预测指的是对未来几年时间长度的电力负荷预测，用于辅助制定电网未来规划；中期负荷预测指的是对1 年内的电力负荷进行预测，辅助日常运行调度工作；短期负荷预测是当前负荷预测的热门以及重点内容，主要用于预测未来1 天内或数天内用电负荷数据［6］。

短期负荷预测模型主要分为传统方法和智能方法2 大类，传统方法的负荷预测主要基于数据的历史曲线规律来拟合数据模型，包括时间序列法，统计回归法，模式识别法等［7］，由于考虑的维度单一或较少，而影响负荷变化的随机因素较多，故使用传统方法进行电力负荷预测存在一定的局限性［8］。另一类智能方法主要包括专家系统［9］，神经网络［10］，随机森林［11］等方法，由于电力负荷具有非线性，波动大，数据多等特点，人工神经网络能够通过自学习来拟合非线性模型，同时可以处理大规模的数据，故使用较为广泛。……