马天佚，武 岳

（国网北京城区供电公司，北京 海淀100035）

电力系统负荷预测是电网生产规划、调度运行的重要环节，能够帮助电力企业合理规划电网发展、优化电网容载比、统筹制定发电、供电计划，提高电力设备的利用率，保障电力系统的供需平衡，对电网的安全稳定和经济运行起着重要的作用[1-3]。

随着经济社会的发展，影响负荷的因素种类、数据量逐渐增多，传统的预测方法无法满足多因素、大数据的环境要求[11]，因此越来越多的综合性算法被应用到电网负荷预测中。文献[12]基于大数据，利用粒子群优化的BP神经网络模型进行电力负荷预测，该方法虽然考虑到电力大数据的特点，但未考虑天气、日期类型等因素对电力负荷的影响。文献[13]将灰色模型和神经网络模型相结合，并运用遗传算法进行优化，提升了算法的预测能力，但未考虑使用相似日训练模型，影响了神经网络收敛速度和负荷预测精度。文献[14-15]基于模糊聚类和灰色关联分析法选取相似日集合，以训练经算法优化的神经网络模型，虽然提高了预测模型的稳定性，但相似日选择过程中影响因素的量化规则制定区分度不高，与待预测日的相似度有待提升，且未充分考虑时间序列对电力负荷的影响。

为综合考虑时间序列及日期类型、温度、天气等重要因素对大型城市核心区域配电网负荷水平的影响，本文提出一种基于灰色关联分析与BP神经网络的电力负荷预测模型，通过建立影响因素量化规则，运用灰色关联分析法选择相似日集合，并用相似日集合的时间序列、影响因素等特征向量训练神经网络，以提升对电力负荷的预测精度。……