高立克，梁 朔，陈绍南，李 珊

（广西电网有限责任公司电力科学研究院，南宁 530023）

随着社会经济飞速增长，配电网中的工业用电、商业用电及居民生活用电量呈现增长速度快且负荷特性多样化的特征[1]。不同用户间的负荷特性由于不同行业之间生产过程、用电峰谷期的不同而存在差异。同时，电力用户的负荷特性也随着季节更替、天气变化、特征日及用电区域等因素而改变，部分负荷短时波动剧烈且出现极大的峰谷差。为了应对负荷波动对配网调度的影响，加强配网需求侧管理与精细化规划设计，电网公司实行供电单元、供电分区、供电分局与供电区域等分级分层配电管理模式。但针对供电单元的负荷预测涉及的家庭用电建模较为复杂，目前针对配电网空间负荷预测的研究更为广泛。如何精准预测地域差异的供电分区短期负荷，对改善配电负荷网格化管理和规划需求分析，提高供电分区运行效率、用电服务质量以及态势感知能力具有重要意义[2-3]。

近年来，随着大数据分析与人工智能技术的快速发展，电力领域涌现出不少负荷预测方法。最常见的第一类方法为时间序列分析方法，如多元线性回归[4]、自回归滑动平均ARMA（auto regressive mov⁃ing average）[5]等方法，这类方法要求用于计算的时间序列相对平稳，一般适用于稳定增长的中长期区域负荷预测，难以应用于短时波动频繁的供电分区负荷。第二类为以神经网络为代表的人工智能技术及其改进、组合方法。……