符亚杰，冯国成

(1.乌海职业技术学院，内蒙古 乌海 016000；2.北方联合电力有限责任公司乌海热电厂，内蒙古 乌海 016000)

电能作为世界通用能源之一，在当今社会的各个领域都充当着“支撑者”的身份，发挥着至关重要的作用。当社会需求的不断增加，电能的储存难问题日发严重，因此在短期内实现各个用电场所的供需平衡是电力系统安全稳定运行的一大问题[1－2]。负荷预测是对以往某时间段的用电规律进行统计，以此对未来某个相同时间段进行预测的过程[3]。而短期负荷预测则是对几个小时或者是几天这种相对时间较短的电力用户用电进行预测。基于电能储存难的问题，电力系统发展至今，短期负荷预测是国家电网安全稳定运行的重要手段之一，既可以有效解决电能供需问题，也可以避免储能装置中的不必要机械能损耗[4－5]。

然而，电力系统的电力用户庞杂且随机性较大，这无疑增加了短期负荷预测的难度。已有专家学者对这一领域进行了研究，文献[6]提出一种长期电力负荷的预测方法，通过早期的电力负荷趋势外推法对未来某一时刻进行预测，但是这一方法的抗扰性较差，随机因素影响较大。文献[7]提出一种灰色预测法，将数据进行建模，能够避免对数据的规律以及趋势的依赖，但是这一方法在数据离散下的精度较差。文献[8]采用Elman 神经网络算法对电力负荷进行预测，考虑了气象因素。BP 神经网络算法作为人工智能算法之一，具备强非线性映射能力、容错能力等优点，适用于短期负荷预测这一领域，但是这一算法同样具备易陷入局部极小值以及收敛速度慢等缺点[9－11]。……