马松龄，代一楠，徐军昶，马 健

（1.西安建筑科技大学机电学院，陕西 西安 710055；2.陕西省西安市气象局，陕西 西安 710016；3.陕西省西安市供电公司，陕西 西安 710089）

1 引言

电力系统短期负荷预测是根据历史负荷变化规律，结合气象、社会活动等因素对未来几天或几小时负荷进行的科学预测[1-3]。高效、准确的负荷预测对各经济实体的利益得以保证，其中保证输配电企业里各条线路输送的容量安全性与经济性；减少发电企业中发电机组备用容量以避免未能满发或者效益过低，有助于应对紧急情况。因此，提高负荷预测精度和预测速度是迫切需要解决的问题。

传统短期负荷预测主要采用时间序列法、线性分析法等[4]，其缺点是仅仅依据电网数据，对环境、社会等影响因素考虑不足。近年来，为提高预测精度，对温度、生产情况、社会生活环境等影响越来越多纳入考虑，这样海量数据情况下，使用结构简单的BP神经网络建模最为适宜。但BP神经网络预测方法的不足是神经网络的初始值较敏感，大多依据主观经验确定，导致预测速度不理想且误差较大。为解决上述问题，提出一种改进人工蜂群算法优化BP神经网络的预测方法。首先，利用高斯滤波将负荷数据和湿度、温度等天气数据融合进行预处理，再采用人工蜂群算法搜索位置更新方案的改进，得到最佳的网络参数；最后建立改进后预测模型。通过Matlab 平台完成实例仿真实验，结果表明IABC-BP优化模型平均绝对百分误差为1.353%且收敛速度大幅提高，从而验证了预测模型的精准性与可靠性。……