马冬芬，祝学军

(新疆科技学院 经济学系，新疆 库尔勒 841000)

电力负荷预测是实现电力精细化管理的重要内容之一，售电企业向电力现货市场转型至关重要。短期电力负荷预测主要对一小时、一天或一个星期等时间尺度较短的负荷需求进行预测，准确的短期电力负荷预测对电力调度、机组组合优化以及电力实时市场交易等具有重要意义[1-3]。研究表明，预测误差每增加1%，英国热电系统的年相关运营成本增加1000万英镑[4]。因此，针对复杂负荷序列预测中存在的预测准确度与预测稳定性问题，研究有效的预测方法十分重要。

近年来，国内外专家学者围绕如何进行负荷预测问题做了大量研究，可以归结为3个方面。一方面以传统方法或改进传统方法为主实现负荷预测，如雷绍兰等[5]采用基于多变量的局域线性模型实现了短期负荷预测；崔和瑞等[6]建立基于ARIMAX的预测模型进行短期负荷预测；LOPEZ等[7]借助频域法以及贝叶斯方法估计ARIMA参数，采用ARIMA进行短期负荷预测。另一方面是以智能方法或改进智能方法为主进行预测工作，如陈吕鹏等[8]将深度森林算法引入电力负荷预测，实现了基于深度森林算法的短期负荷预测；PRIYANKA等[9]采用优化算法调整神经网络的参数，实现了基于优化神经网络的负荷预测；王克杰等[10]结合猫群优化的神经网络建立预测模型进行短期负荷预测。第三方面是以组合方法或优化改进组合方法为主进行负荷预测，如ZHANG等[11]建立了组合奇异谱分析、支持向量机、自回归综合移动平均模型和布谷鸟搜索算法的方法进行短负荷预测；……