陶伟龙，王洪波，张传海，汪晓彤

(国网合肥供电公司,安徽 合肥 230022)

0 引言

随着我国经济迅速发展和新能源接入容量飞速增长，各行各业对电力需求日益增大的同时，也对电网的运行安全提出了更高的要求[1,2]。电力系统负荷短期预测可以提供精准的用电负荷需求，为电力负荷调度计划和电力市场建立提供坚强的基础。

目前短期预测的方法主要有时间序列外推法、基于神经网络预测方法[3，4]、基于小波分解的预测方法[5,6]等。基于时间序列外推法主要是以负荷连续变化为参考，依据负荷变化惯性预测未来负荷变化，实现短期的预测。基于时间序列外推法在预测过程中只考虑负荷特征，不考虑其他因素，无法应对负荷大幅度波动情况，导致最终预测精度无法满足要求。文献[3]中利用PSO寻优算法，发觉负荷变规律，将负荷变化“近大远小”规律运用到负荷变化趋势和变化量的预测之中，建立预测模型，但在负荷的变化过程中一些负荷的变化趋势会发生突变，而且影响因素众多，单一的规则无法预判负荷变化的真实波动规律。文献[6]中利用小波分解方法将负荷曲线进行分解剥离出稳定部分和非稳定部分，利用前馈神经网络的网络拟合能力建立预测模型，并考虑了一些影响因素，但由于不同季节不同年份的负荷特点略有不同，因此统一剥离会削弱负荷的季节特点和年份特点，且过大的计算量会增加预测的时间。前面几种方法都存在着一定的弊端，综合考虑提出了基于模态分解和改进支持向量机的短期负荷预测，能够保证最大限度地挖掘负荷特性，同时兼顾模型的运算速度和预测精度。……