南昌工程学院本科综合课程设计 1 引 言 电力系统短期负荷预测对未来1 日至1 周的负荷进行预测
短期负荷预测是 随着电力系统 EMS 的逐步发展而发展起来的，现已经成为EMS 必不可少的一部 分和为确保电力系统安全经济运行所必需的手段之一
随着电力市场的建立和发 展，对短期负荷预测提出了更高的要求，短期负荷预测不再仅仅是EMS 的关键 部分，同时也是制定电力市场交易计划的基础
电力系统负荷预测为这一地区电力规划奠定了一定的基础，同时也为这一地区电力工业布局、能源资源平衡、电 力余缺调剂，以及电网资金和人力资源的需求与平衡提供可靠的依据
因此，电 力负荷预测是一项十分重要的工作，它对于保证电力工业的健康发展，乃至对于 整个国民经济的发展均有着十分重要的意义
短期负荷预测技术经过几十年的发展，人们提出了许多的预测方法
现有的 预测方法大体可以分为2 类：经典的数学统计方法以及上世纪 90 年代兴起的各 种人工智能方法
经典的数学统计方法包括线性外推法、多元线性回归法、时间 序列法和状态空间法等
人工智能方法包括人工神经网络法、专家系统方法和模 糊推理方法、小波分析等
在对大量历史负荷数据进行统计分析的基础上，根据电力负荷的特点，在考 虑天气温度、日类型、实际历史负荷等因素对预测负荷影响的基础上，本文介绍 了一种基于 BP神经网络的短期负荷预测方法
其中首先根据实际经验将一周的7 天分为工作日（星期一到星期五）和休息日（星期六和星期天）等两种类型；然后建立相应的人工神经网络模型用以预测负荷归一化系数；最后通过最小二乘 法预测日最大负荷和日最小负荷
利用相应的BP神经网络方法对未来24 小时负荷进行短期预测，该方法充分发挥了神经网络处理非线性问题的能力和人工神经网络自学习、自适应的优点
实际算例表明，这种方法应用在短期负荷预测方面有较高的精度
第一章 负荷预测概述 2 1
