杨凯帆，黄 婧，谢 枭，王若昕，沈丹青，何丽娜，陈汝科

（1.国网湖北省电力有限公司钟祥市供电公司，湖北钟祥 431900；2.国网湖北省电力有限公司沙洋县供电公司，湖北沙洋 448200）

引言

电力负荷预测按时间期限通常分为长期、中期、短期和超短期负荷预测。短期负荷预测指一年以内以月为单位的负荷预测，在短期内通过预测手段进行负荷预测，使电能供需平衡。为了更加精确还可以以周、天、小时为单位进行预测，这有利于电力部门对电能实施合理调度。负荷预测是否准确可以给电力部门带来丰厚的利润，还可以减少对资源的浪费，有利于电力的合理规划。

现在，有很多学者都在研究短期负荷预测，也有了许多研究成果。从采用的预测方法来看，大致可以分为传统预测方法和人工智能方法。随着计算机技术的普及，人工智能方法得到了飞速发展，基本取代了传统的预测方法。传统预测方法主要有回归分析法、时间序列法等，这类方法在处理数据能力上不强，速度也比较慢，预测的精度也不够高。人工智能方法主要有人工神经网络、模糊控制方法、群智能算法等，这些方法随着计算机技术的发展，在处理数据方面得到了大量应用。

本研究主要采用支持向量机的方法，该方法是由学者Vapnik等人在1995年提出的一种新型机器学习算法-支持向量机。同其他人工智能方法相比，该方法在考虑风险最小化方面的机制具有一定的优势，在进行数据处理时，可以全方位地考虑，不必担心数据丢失，在数据复杂时依然有很强的学习能力。……