何伟峰

（河南神马氯碱化工股份有限公司）

0 引言

电力行业事关国家经济发展和社会稳定，及时预测电力负荷对保障电力系统安全可靠、经济高效地运行十分重要。近年来，中长期电力负荷多以总体趋势预测为主，很少考虑数据的惯性增长、周期性变化和数值的积累误差，进而影响了负荷预测准确性，将基于此开展月度电力负荷预测的方法研究。

负荷预测方法根据历史负荷推导待预测负荷的方式可分为外推法和相关法，根据预测模型复杂度又可分为统计预测法与智能预测法。统计预测法包括回归分析法、时间序列法、指数平滑模型法、卡尔曼滤波法、状态估计法等；智能预测法包括人工神经网络法、模糊逻辑理论法、灰色理论法、支持向量机、极限学习机等。文献［1］提出一种从整体到节点，AR-ANN混合预测方法的研究。文献［2］通过总结负荷的周期性及节假日特性，并结合气象因素对电力系统负荷进行了短期的电力负荷预测。文献［3］利用移动平均法对数据采集进行平滑处理。文献［4］通过移动平均法对铁路客票销售量进行预测，结果表明预测结果与实际客流较吻合。文献［5］将负荷预测分为有功、无功两部分，就超短期多点负荷预测提出一种将等级与分区概念应用在自适应动态负荷模型中的新方法。文献［6］为提高基于神经网络负荷预测变量选取的和适度，将RS理论引入前期预处理步骤。文献［7］将多种机械学习算法与ARIMA方法复合，实现数据耦合修正。……