梁锦来，胡福金

(广东电网有限责任公司 佛山供电局，广东 佛山 528000)

电力系统呈现市场化趋势，电力负荷的精准预测是其重点工作内容之一[1]。目前国内外大量研究学者针对电力负荷进行大量研究，支持向量机方法、回归预测法等方法均属于典型的传统时间序列法；模糊方法以及神经网络方法等均属于不确定预测方向[2-4]。大量研究学者研究结果表明，对其的预测结果受很多因素影响，如天气、温度、工作日与否等，不同影响因素之间具有较高的非线性关系。电力负荷预测研究领域中，需重点考虑由于非线性原因对结果预测的影响[5-6]。挖掘历史数据，利用挖掘结果中所蕴含的隐藏规律预测电力系统负荷，已成为目前电力领域主要的研究方向之一。

国外部分研究学者利用专家系统实现电力负荷预测，专家系统虽运算过程简单，但缺少智能学习能力，不适用于复杂环境中的电力负荷预测；李国庆等人将BP神经网络应用于电力负荷预测中[7]，该方法处理非线性映射的能力较好，但容易出现极小值，缺少泛化能力；谢伟等人将模糊聚类算法应用于电力负荷预测中[8]，该算法处理不确定性信息水平较差，对于具有较高非线性变化情况的电力负荷预测结果误差过高。

研究基于电力负荷历史数据挖掘的负荷预测算法，有效提升电力负荷预测精度。该算法利用数据挖掘方法充分分析电力系统历史数据中所蕴含规律以及数据异常情况，处理历史数据中存在的异常情况，避免预测结果受历史数据中异常数据影响，选取支持向量机方法作为预测模型，预测电力负荷数据。……