郭傅傲，刘大明，唐 飞

(上海电力大学计算机科学与技术学院，上海 200093)

1 引言

负荷预测对于能源规划和安全至关重要，基于负荷预测可进行包括电力系统调度、规划、电价调整和维护等一系列电力系统运行操作。精确负荷预测是提高发电设备利用率和经济调度有效性的重要保证[1]。在过去的十年中，由于负荷预测在需求侧管理和智能电网方面的潜力，人们对负荷预测进行了广泛的研究。

气象、日期类型和其它外生变量影响着负荷需求。对天气因素而言，研究人员利用分析方法探究天气因素与负荷的相关性，取相关性较大的因素作为预测模型输入。对日期类型而言，主要有工作日休息日，星期类型，节假日等。文献[2，3]提取气象主要因素、日期类型特征分析并修正后作为预测模型输入，结果表明考虑相关影响因素分析修正后的特征输入比直接负荷预测有更好的效果。

当今人工智能技术在负荷预测领域发挥着越来越重要的作用。人工神经网络、支持向量机、深度学习[4-6]等是短期负荷预测的流行技术，都在一定程度上提升了负荷预测的精度。但以上所提模型都有其特定的应用范围。单个模型可能存在过拟合问题，且可能受到泛化能力的限制[7]。在模型预测中，相同的单一模型对不同的预测样本具有不同的预测精度，不同的单一模型对相同的预测样本也具有不同的预测精度。为了降低单个模型的预测误差，在负荷预测领域主要有两类集成方法，分别是使用不同采样数据集，设置不同模型参数而构建的多个同类模型集成和涉及多种算法的异构模型集成预测。……