郭大亮，沈 峰，于楚凡，宋子涛

（1.国家电力投资集团有限公司，北京 100029；2.国家电投集团中央研究院，北京 102209）

随着我国在电力领域的不断发展与进步，关于电力负荷所产生的问题也在不断增加，因此如何有效规范地对电力负荷进行调度、规划等预测成为我国研究的重点[1-2]。短期负荷预测是我国相关工作者制订规划与检测安全的基础，也是我国电力市场短期未来发展的根本参考，因此短期的负荷预测显得尤为重要[3-4]。

近几年来，我国的相关工作者对短期负荷预测这一项目点进行了不断地研究，共总结出了3 类主要方式：分别为时间行列模型与回归模型计算法、智能分析法、混沌计算法，但由于负荷变化过于庞大，所受干扰成分较多，因此这些方式在应用时都会存在一定的瑕疵和约束[5-6]。其中，时间行列与回归模型计算法的计算量过小、进度较快，但得到的结果精密度却并不高，且成本投入过大。智能分析预测法系统的鲁棒性没有安全保障，不具有权威性。混沌预测法的系统虽然可以避开复杂的数值计算，但还处于发展阶段，因此其通用性较差，且缺乏学习能力[7-8]。

人造神经网络的保障性较高且非线性映射能力与学习能力较强，但其受环境因素的影响较大，并且该网络实际上是依靠梯度下降法调试的方式使目标函数变小，因此其泛化性能不强，无法得到广泛使用。

数据处理技术可以对负荷预测的历史数据进行聚类分析，还可以将当日预测的负荷数据与之前的历史负荷数据进行对比，并整合成一个完整的数据集合，然后再运用模糊神经网络（Fuzzy Neural Network，FNN）模型进行负荷预测。……