徐永瑞，左丰恺，朱新山，李硕士，刘洪瑞，孙 彪

（天津大学电气自动化与信息工程学院，天津 300072）

电力系统预测的研究自20 世纪中叶就已经开始，在此之前，电力系统由于自身的规模限制，此项研究一直没有形成规模，到了20世纪80年代，在发达国家，电力需求预测的理论开始兴起，为了有效地提高电网运行的经济性和安全性，同时改善供电质量，电力系统负荷预测需要尽可能高的提升预测精度，其目的主要是为了帮助企业节省购电的开支，由此产生了一系列的预测方法[1]。

目前，一类传统方法是魏友华[1]采用的自回归法、自回归移动平均法以及专家系统等等，人工智能技术兴起后，廖旎焕等[2]采用了人工神经网络、模糊预测法、支持向量机等人工智能手段进行负荷预测，不过以上方法仅适用于短期负荷预测。文献[3]提出了负荷相关因素自适应训练的概念，并对其进行了研究，经过负载相关因素的训练，负荷预测的精度有了明显的提高[3]；文献[4]采用了基于BP神经网络的负荷预测方法，取得了较好的效果，但是仅在短期预测中，且运算时间较长，难以处理大型数据集；针对此问题，为充分考虑负荷本身以外的因素对负荷的影响，文献[5]采用了一种基于相似度和神经网络的协调负荷预测模型。实验表明，该方法能提高预测的精度，降低预测风险。

目前现有的人工智能方法都存在最终解过于依赖初值，收敛速度慢，网络的隐节点数难以确定等问题……