杜文凯

（福建水利电力职业技术学院 电力工程系，福建 永安 366000）

通过模糊聚类方法，可以有效减少样本数量，有利于提高选取速度；且模型具有全面性，能够兼顾气象或其他因素对电力负荷预测的具体影响，从而规避以往负荷过于随机化的问题。由仿真结果可知，模拟聚类方法可以获得更高的预测精度，发挥模型的信息参考价值，综合应用效果较佳。

1 短期电力负荷预测

短期电力负荷伴有较显著的周期性变化，受扰因素包括经济、天气等。在针对短期电力负荷进行预测时，需要充分考虑具体的影响因素，在确定周期性后进一步探寻波动规律，采集并完整记录期间的各项数据，建模并分析，从而大体估计出短期的负荷数据［1］。整个流程所涵盖的主要内容如下：

（1）提前制订计划，给后续短期负荷预测工作提供引导，包含作业内容、预测目的；确定具体预测时间，应具有动态化的特点，提高预测的灵活性。

（2）经前期初步规划后，可高效收集负荷数据，具体应以预测影响因素为依据进行数据收集，包括负荷、历史气象等方面的数据。在数据收集过程中，应充分考虑准确性和连贯性的双重要求，尽可能减小数据误差，否则易对后续负荷预测结果的准确性带来不良影响。

（3）历史数据不具备直接使用的条件，因此应对其进行预处理，剔除缺乏使用价值的数据。此操作会引起数据缺失的问题（因剔除不良数据而引起），因此需要再次收集与补充相关数据，以形成完整的数据群。……