郭海燕，李英娜，李 川

(昆明理工大学 信息工程与自动化学院， 云南 昆明 650500)

短期负荷预测的最终目的是为电力系统的输配电计划提供控制策略与决策支持，电力系统可根据用电区域内发生的气象变化及社会事件及时控制和调整输配电计划，避免输配电过程中造成电能损耗及浪费。目前针对区域内短期负荷预测的研究发展为以智能算法为代表的组合预测[1-2]，组合预测方法加强了对各个影响因素的精细化处理及分析，将众多相关因素对负荷特性变化的影响精细化，更加容易把握每一地区及局部区域的负荷变化规律和发展趋势。

文献[3-5]针对不同用电环境中的用户需求有针对性的建立短期负荷预测模型，其中文献[3]针对具体化需求响应环境，提取需求响应电价作为需求特征变量，利用LSTM模型特殊的门结构，选择性的控制输入变量对模型参数的影响，并分别预测负荷和误差时间序列，线性叠加获得误差修正后的电力负荷预测值；文献[4]利用支持向量回归模型推导出OSVR学习算法，使得样本数据产生变化时更新已训练好的模型，提出基于Fisher信息的特征选择方法，建立了基于Fisher信息和在线SVR的智能电网技术气象敏感负荷预测动态模型；文献[5]利用频域分解算法将原始负荷数据分解为日周期、周周期、低频和高频分量，针对不同频域负荷使用不同的方法进行处理并将各个频域分量结果重组。上述负荷预测的研究主要关注预测模型的建立及预测精度的提高，忽略电力系统在实际应用场景中供电线路的实际需求。……