许飞，武志刚，张文倩

(华南理工大学 电力学院，广东 广州 510640)

0 引 言

电力系统负荷预测是保证电力系统安全稳定经济运行的重要基础，按照时间尺度可以分为长期负荷预测、中长期负荷预测、短期负荷预测和超短期负荷预测。不同时间尺度的负荷预测对电力系统有不同的作用，其中短期负荷预测有利于提高发电设备的利用率和经济调度的有效性[1]，同时有利于帮助电力系统运行人员制定更加合理的调度计划，维持供需平衡和确保电网安全，减少资源浪费和用电成本[2]。

国内外对短期电力负荷预测方法已经做了非常多的研究，可以达到一定的预测精度。目前的研究方法主要分为两大类。一类是传统的时间序列分析方法，包括回归分析法、多元线性回归法和自回归积分滑动平均模型等。文献[3]基于人口、GDP和用电量的海量历史负荷数据建立多元线性回归模型，这种方法只能预测线性关系的模型，预测误差较大。文献[4]使用自回归滑动平均混合模型来研究季节性特征与负荷预测之间的关系，但是只考虑了单一影响因素，预测误差较大。文献[5]使用改进的卡尔曼滤波算法能够考虑包括日期和温度等外界因素的存在使负荷产生很大的波动，具有更高的预测精度、收敛速度和耗时短等优点，但是仍然无法解决具有时序性特点的短期负荷预测问题，同时无法拟合影响因素与负荷之间的高度非线性关系。另一类是人工智能分析方法，包括反向传播算法、支持向量机、深度信念网络以及长短期记忆网络等。……