在电力系统中，负荷预测现在已经应用到各种人工智能算法，这些算法解决了很多 传统预测方法的问题。对于负荷预测人工智能算法的选择和优化，以及更一步提升负荷 预测的精度，将会成为电力负荷预测的下一步研究重点。论文网

现在社会上能源越来越紧缺，为了解决能源危机，人们更加地注重可再生能源的利 用。最近几年，可再生能源已经越来越多地接入电网，且比例越来越大，使得可再生能 源能够有效利用，但这样也影响到了电网的稳定运行。

所以，为了电网的安全，我们需要寻求一种有效的方法对电力负荷进行科学预测， 从而能够更加满足人们对电力的需求。

1。2 国内外研究现状及存在的问题

1。3 电力负荷预测方法

电力负荷预测方法分为两种，即经典预测方法和现代预测方法。

1。3。1 经典预测方法

（1）趋势外推法 因为电力负荷数据受很多因素的影响，所以呈现出不确定性和随机性，但是，我们

可以明显地发现它的发展趋势。这种理论需要掌握各行业电力负荷的变化规律，且通过 这些规律来预测负荷，使人们更能得到满意的预测结果。

外推法只需要较少的历史数据，这是它的优点。但是缺点就是，如果因为一些因素 造成负荷数据的变动，从而引起异常数据，那么预测结果误差将会变得很大。

（2）时间序列法 时间序列法作为一种最常见的对短期负荷进行预测的方法，一直被大多数人所运

用。这种方法被人们用来对整个系统序列中表现出来的随机性进行分析，从而能够建立 数学模型来产生实际序列。电力负荷在受影响变动时具有一定的惯性，同时时间上也有 延续性。针对这些特性，人们可以通过对历史负荷数据时间序列的分析处理来对未来的 电力负荷进行预测。

时间序列法不需要太多的样本数据的支持，所以工作量不大，但是缺点就是不对影 响负荷变化的因素进行分析，所以只能对比较稳定的负荷数据进行预测分析。

（3）回归分析法 根据负荷过去的历史资料，通过回归分析法确定变量之间的相关关系，从而建立可

以分析的数学模型，对未来的负荷进行预测。

1。3。2 现代负荷预测方法

二十世纪八十年代后期，一些现代预测方法开始成功地应用起来，它们都是在一些 新兴学科基础上提出来的，特别具有现代意义。其中主要的预测方法有灰色数学理论、 专家系统方法、神经网络理论、模糊预测理论等。

（1）灰色数学理论 样本数据的多少跟负荷模型结果的准确性有很大的关系，而需要大量样本的话，就

必须先知道它的发展趋势及分布规律。我们可以把所确定的负荷序列作为真实的期望输 出，但是能影响电力负荷的因素有很多，而负荷的灰色特性就是指这些因子是随机出现 的，是不可知的。而灰色数学理论就是让我们合理利用这些灰色特性，需要从少量的样 本数据中找出某个阶段内起作用的一些规律，然后建立数学模型。这种方法可以对短期 负荷进行预测，目前还在实用化研究阶段。

（2）专家系统方法 专家系统是使人们能够随时应用专家们的经验知识的计算机系统，它对数据库里存

放的过去几年的负荷数据和天气数据等进行了细致的分析。专家系统能够有效帮助预测 人员来识别预测日所属类型，并且天气或节假日等影响负荷的因素也会被考虑在内。这 样，人们就可以方便而比较准确地进行负荷预测。

（3）神经网络理论 神经网络具有自学习的能力，神经网络理论靠这种能力让计算机对历史数据的映射 基于Elman神经网络的电力负荷预测模型研究(3):http://www.youerw.com/zidonghua/lunwen_98309.html