王荦荦，杨辉，李建峰

（珠海城市职业技术学院，广东 珠海 519000）

0 引言

电力负荷预测在如今的电力改革新环境下，对于电力安全供电和电力稳定运行以及电气企业的经济效益都有着至关重要的作用。针对电力系统的负荷预测，数十年以来国内外的研究人员使用了多种计算预测方式，运用了多种预测模型，不断地的提高着预测的精确程度[1]。本文运用一种改进BP神经网络算法，优化电力负荷数据建立对应模型，进而对电力负荷进行预测和探究。

1 BP神经网络建立

1.1 数据预处理

负荷预测需要采集大量的运行负荷数据，这些数据多数是由电量采集器或者远程控制终端设备传输得到，因此数据会受到多种因素的影响，比如测量装置的运行情况，人为操作的情况等。这些因素的存在从而使得负荷数据里面经常掺杂着一些影响预测效果的数据，即为非真实的运行数据。这些数据通常我们称之为“不良数据”或“坏数据”，它们显现出来的特征通常有数量级上的差距，数值之间的巨大偏离，但是也会只表现出某方面的显著差别，这些差别的存在会对真实数据造成很大的影响，使数据的误差超出正常的范围。如果我们对于负荷数据直接进行预测和分析，自然而然地会将这些误差带入到预测模型之中去，势必将对最后的预测效果产生很大的不良影响，甚至导致预测精度无法满足要求[2]。因此，在利用这些数据之前，应先对其进行预处理.去除“不良数据”或“坏数据”的影响，是十分必要的。……