负荷预测的方法及特点
电力系统负荷预测方法分析及应用
电⼒系统负荷预测⽅法分析及应⽤电⼒系统负荷预测⽅法分析及应⽤摘要：本⽂⾸先简要介绍了电⼒系统负荷预测的基本原理，然后系统地介绍和分析了⼏种主要的电⼒系统负荷预测的⽅法及其应⽤。
关键词：电⼒系统；负荷预测；基本原理1.引⾔负荷预测就是以已知的电⼒需求为出发点，详细分析电⼒的历史数据并综合考虑政治、⽓候、经济等⼀些相关的因素，对以后⽤电需求做出预测与估计。
负荷预测包含两⽅⾯，即预测未来的需求量和未来的⽤电量前者的预测可以决定发电、输电、配电系统容量的⼤⼩，⽤电量能够决定发电设备的类型。
负荷预测的⽬的是提供负荷发展的⽔平，通过分析，可以确定每个供电区、各规划年供⽤电量，规划地区总的负荷发展⽔平以及每⼀规划年⽤电负荷的构成等。
负荷预测是电⼒系统调度、规划、供电等管理部门的基础⼯作；准确、有效的负荷预测不仅可以合理安排电⽹内部机组的启停、保持电⽹安全稳定的运⾏，还可以减少⼀些不必要的储备容量，合理安排检修计划；从⽽保证了正常的⽣产，有利于经济效益和社会效益的提⾼。
2.电⼒系统负荷预测的原理通常来说预测电⼒系统负荷最直接最有效的⽅法是建⽴⼀个负荷模型，该模型有两层含义：⼀是负荷的时空特性，⼆是负荷电压和频率特性。
对于负荷的时空特性指的是随着时间与空间的不同分布，负荷的分布也会不同。
这种负荷模型往往是⽐较复杂的，研究⼈员通常是采⽤负荷时间曲线来描述这种特性。
这样负荷曲线以时间为依据，就可以分为⽇负荷、周负荷、季负荷以及年负荷；如果换成以时空⾓度为划分依据，则此曲钱⼜可分为系统、节点和⽤户三种负荷曲线；若按照负荷的性质来分，负荷曲线⼜可以分为⼯业、农业、市政以及⽣活负荷等。
在⼀般的安全运⾏的过程中，负荷模型指的就是未来时空特性，因此也可以将此作为负荷预测模型。
通常负荷预测模型包含的内容是⾮常⼴泛的，在运⾏的过程中不仅能进⾏短期或者实时的负荷预测，还能在规划电⼒系统时做长期的预测。
负荷的预测通常采⽤的是概率统计，有效地分析⼯具即为时间序列分析，由于是预测未来的负荷，所以会存在或多或少误差。
基于LSTM的电力负荷预测
基于LSTM的电力负荷预测引言电力负荷预测是电力系统运行和调度的重要任务之一，对于确保电力供应的稳定性和经济性至关重要。
准确地预测未来的电力负荷可以帮助电网运营者做出合理的调度和运营决策，从而提高电网的效率和可靠性。
传统的负荷预测方法大多基于统计学模型，如ARIMA、SARIMA等，这些方法在一定程度上可以满足负荷预测的需求，但是在处理非线性和非平稳的负荷数据时表现不佳。
近年来，深度学习技术的发展为电力负荷预测带来了新的机遇。
本文将介绍一种基于长短期记忆网络（LSTM）的电力负荷预测方法。
首先，我们将简要介绍LSTM网络的原理和特点。
然后，我们将阐述LSTM在电力负荷预测中的应用，包括数据预处理、网络架构设计和模型训练等方面。
最后，我们将通过实验验证该方法的有效性，并探讨一些可进一步改进和优化的方向。
LSTM网络的原理和特点LSTM是一种特殊的循环神经网络（RNN），相比于传统的RNN，LSTM在处理长序列数据时能够更好地捕捉长期依赖关系。
LSTM通过引入称为“门”的结构，有效地控制信息的流动和记忆的更新，从而能够处理长期依赖关系并避免梯度消失的问题。
LSTM网络由多个LSTM单元组成，每个单元具有输入门、遗忘门、输出门和细胞状态等关键组件。
输入门控制输入信息的流入，遗忘门控制细胞状态的更新，输出门控制输出信息的流出。
这种门控机制使得LSTM可以根据上下文信息自适应地更新和调整记忆状态，从而灵活地处理不同时间步长的输入序列。
LSTM在电力负荷预测中的应用数据预处理在进行电力负荷预测之前，首先需要对原始数据进行预处理。
通常，电力负荷数据具有周期性和趋势性的特点，因此需要对数据进行平稳化处理。
常见的平稳化方法包括差分法、对数变换和季节分解等。
此外，还可以通过归一化将数据缩放到一个相对较小的范围，以便更好地应用于LSTM网络。
网络架构设计设计合适的网络架构对于电力负荷预测的准确性至关重要。
在LSTM网络中，通常采用多层堆叠的方式来增加网络的深度，以便更好地捕捉时间序列的复杂性。
电力行业的电力负荷与优化调控
电力行业的电力负荷与优化调控一、引言电力负荷与优化调控是电力行业中的关键问题之一。
随着电力需求的增长和电力供应的不确定性，如何合理调度和优化电力负荷成为提高电力行业稳定性和效率的重要途径。
本文将深入探讨电力行业的电力负荷特点、影响因素以及相应的优化调控方法。
二、电力负荷特点与影响因素电力负荷是指电力系统中的需求量，它的特点和变化对电力供应具有重要影响。
电力负荷具有以下特点：1. 季节性变化：电力负荷在不同季节会出现明显的波动。
夏季，由于空调用电量的增加，负荷峰值会相应提高；冬季，由于供暖设备的使用，负荷峰值也有所增加。
2. 日变化规律：负荷在一天内也会有周期性的变化。
通常情况下，负荷在白天较高，在夜间较低。
这是由于白天大部分人们都在工作或生活中需要用电，而夜间人们休息的时间较多，用电需求相对较低所致。
3. 无法预测性：电力负荷受到多种因素的影响，其中包括天气、经济活动、人口因素等。
这些因素的变化不可预测，使得电力负荷的预测和调控变得复杂而困难。
以上特点对电力供应的稳定性和经济性都有一定的挑战。
因此，了解和分析影响电力负荷的因素，采取有效的优化调控措施刻不容缓。
三、优化电力负荷调控方法1. 负荷预测与调度：负荷预测是基于历史数据和相关因素进行模型建立和分析，以便预测未来负荷变化趋势。
通过负荷预测，电力行业可以根据不同的负荷需求，合理安排电力资源。
调度部门可以根据预测结果，提前做好配电设备的运行调整，以应对负荷峰值。
2. 峰谷电价差异化：在电力使用高峰时段，适度提高电价，而在电力使用低谷时段，适度降低电价。
这种差异化电价政策可以引导用户尽量在低谷时段用电，减少负荷高峰，并且通过使用智能电表等技术手段实时监控用户用电情况，以此激励用户降低用电峰值。
3. 能源存储和调度：通过能源存储技术，如蓄电池和储能电站，可以在用电高峰期将多余的电能储存起来，在低谷期进行释放。
这样可以平滑负荷曲线，提高电力供应的弹性。
短期负荷预测方法综述
• 109•ELECTRONICS WORLD・探索与观察短期负荷预测方法综述国网鄂州供电公司 胡函武 杨 英 魏 晗 耿红杰负荷预测的精度直接关系到电网的供需平衡，影响着电网运营成本，因此短期负荷预测的准确性十分重要。
目前国内外负荷预测方法主要包括经典预测方法、传统预测方法以及人工智能预测方法三大类，本文就一些主流方法进行了分析和概述。
引言：从1866年德国人西门子制成世界上第一台工业用发电机至今已有150余年。
在这100多年来，电力经历了从理论到应用，从工用到民用，从火电到水电再到核电等一系列的转变，为社会的经济、政治、文化等各方面的飞速发展起到了极大的推动作用。
作为国民经济建设中不可取代的重要能源，电能如今已经渗入各个行业及领域。
近几十年来，国内外的专家学者们针对负荷预测问题进行了长期的深入研究，提出了很多卓有成效的预测模型。
然而短期负荷具有随机性和不确定性的特点，容易受到天气变化、社会活动以及节日类型等各种复杂的环境因素的影响，因此想要得到十分精确的预测结果仍然是一件非常困难的事情。
到目前为止还没有哪种方法适用于任何地区的电力系统，也没有哪种方法可以提供绝对精确的负荷结果。
根据负荷预测技术的发展历程，可以大致将其分为三大类：经典预测方法、传统预测方法以及人工智能预测方法。
1.短期负荷预测经典方法1.1 回归预测法回归分析预测方法是根据以往的负荷历史数据的变化规律以及影响负荷变化的因素来寻找自变量与因变量之间的相关关系，从而建立可以进行数学分析的模型，以此来预测未来的负荷。
它的特点就是将预测目标的因素当作了自变量，而将待预测目标作为了因变量。
在回归分析预测方法中，自变量是随机变量，而因变量是非随机变量，通过使用给定的多组因变量和自变量的资料来研究各种变量之间存在的相关关系。
1.2 时间序列法时间序列法在电力系统短期负荷预测中是比较常见且应用最为广泛的一种方法。
电力负荷的历史数据是按照一定时间间隔进行采样并记录下来的有序集合，因此它是一个时间序列。
基于大数据的电力负荷预测与分析
基于大数据的电力负荷预测与分析在当今高度依赖电力的社会中，准确预测电力负荷对于电力系统的规划、运行和管理具有至关重要的意义。
电力负荷预测是指根据电力系统的历史数据、气象信息、经济指标以及社会活动等因素，对未来某一时间段内的电力需求进行估计和推测。
随着大数据技术的快速发展，为电力负荷预测提供了更丰富的数据来源和更强大的分析手段，使得预测的准确性和可靠性得到了显著提高。
一、大数据在电力负荷预测中的应用优势大数据的特点主要体现在数据量大、数据类型多样、数据处理速度快和数据价值密度低等方面。
在电力负荷预测中，这些特点带来了诸多优势。
首先，海量的数据量为负荷预测提供了更全面的信息。
传统的负荷预测方法往往依赖于有限的历史数据，而大数据技术能够整合来自不同渠道的大量数据，包括电力系统内部的实时监测数据、用户用电数据，以及外部的气象数据、经济数据、社会活动数据等，从而构建更完整的负荷特征模型。
其次，多样化的数据类型能够揭示更多的负荷影响因素。
除了传统的数字型数据，还包括文本、图像、音频等非结构化数据，例如通过社交媒体上的用户讨论可以了解到某些特殊活动或事件对电力需求的潜在影响，通过卫星图像分析可以获取区域内的建筑物分布和使用情况，进而推断出相应的电力负荷。
再者，快速的数据处理速度能够实现实时预测和动态调整。
电力系统的运行状态是不断变化的，及时获取和处理最新的数据对于准确预测负荷至关重要。
大数据技术能够在短时间内对海量数据进行分析和计算，快速更新预测结果，为电力调度和运行提供实时支持。
最后，尽管大数据中的价值密度较低，但通过先进的数据分析算法和模型，可以从海量数据中挖掘出有价值的信息和潜在规律，为负荷预测提供更准确的依据。
二、电力负荷预测中的大数据来源1、电力系统内部数据包括智能电表采集的用户用电数据、变电站和输电线路的监测数据、发电设备的运行数据等。
这些数据能够反映出电力系统的实时运行状态和用户的用电行为特征。
农村电力负荷计算和预测
3.1 概述 3.2 负荷曲线 3.3 负荷预测一般方法
1
3.1 概述
农村电力负荷的计算和预测是编制农村电网供电 规划的基础，使用在农村电网中的各种电气设备，其 经济使用年限通常为10～20年。因此，电网改造方 案，不仅要满足现有负荷的需要，还应考虑电网的发 展，以满足未来负荷的需要。即使规划阶段不能准确 地预测负荷，也必须对规划区未来负荷的增长做出估 计，特别是对那些负荷有快速增长潜势的地区，更应 该给予特别的注意。 然而，应该指出的是：预测数值并不是计划指标， 而是给出一定条件下的发展趋势的范围，以供近期和 远期规划决策时参考。
29
二、弹性系数法 弹性系数法一般用来对远期电量水平的预测。所谓 弹性系数，是国民经济总产值GNP(Gross National Product)的增长率除电力负荷增长率所得的商，即
式中 ——弹性系数； % ——年平均电力消费增长率； % ——年平均国民经济发展增长率。
式中A——规划年度的供电量，万kWh； E——基准年度的供电量，万kWh。
33
(2)生产发展是否正常对电力弹性系数有明显的影响。 分析规划区的数据可以发现：在“三五”期间的工农 业总产值只增长了1.04％，而农业生产反而倒退，故 弹性系数高达15.38，且农业电力弹性系数反而为负值。 (3)国民经济结构成分的变化，是影响电力弹性系数的 重要因素。轻工业，尤其是电子工业的发展，由于其 电能单耗小，产值高，使电力弹性系数向小的方向偏 移。反之，凡是电能单耗高，产值低的产品，如化肥、 铸钢等，在其发展中将使电力弹性系数向大的方向偏 移。国民经济和电力建设稳步发展，电力弹性系数将 趋于稳定。
7
④、第四个的特点是排涝负荷对供电的可靠性要求不 同。排涝负荷对供电可靠性的要求与工业一级负荷相 比，片刻停电对排涝负荷影响不大，从这个意义上来 说，排涝负荷对供电的可靠性要求是低的。但是，排 涝负荷不允许长期停电。如果暴风雨后3～5天内不能 将积水排尽，将会造成严重的农业减产。从这个意义 上来说，其对供电的可靠性要求很高。因此，在有排 涝负荷的地区，进行规划设计时应考虑到这一点。 ⑤、第五个的特点是负荷密度和功率因数低。就目 前农村电气化水平而言，负荷密度通常在5～75kw／ km2的范围内，且同一省份内负荷密度也不平衡，农 村电力网的主要用电设备是异步电动机，加之其配套 不合理，功率因数通常在0.6～0.7范围内。
中长期电力负荷预测研究毕业论文
中长期电力负荷预测研究毕业论文目录摘要 (1)第一章绪论 (3)1.1中长期负荷预测研究背景和意义 (3)1.2负荷预测的基本原理 (4)1.3负荷预测的方法及特点 (5)1.4研究现状 (8)1.5目前存在的问题 (8)1.6本文的主要工作 (9)第二章负荷预测的方法 (10)2.1负荷预测的分类 (10)2.2负荷预测的特点 (11)2.3影响中长期负荷发展的因素 (12)2.4负荷预测的误差分析 (13)2.4.1产生误差的原因 (14)2.4.2预测误差分析 (14)第三章回归分析基本理论及预测模型 (16)3.1回归分析的基本思想 (16)3.2回归分析的基本原理与方法 (16)3.2.1基本原理 (16)3.2.2基本方法 (16)3.3回归分析步骤 (17)3.4实例分析 (18)第四章灰色系统的基本理论及预测模型 (22)4.1基本原则 (22)4.2基本方法 (23)4.3灰色系统建模的机理 (24)4.4灰色序列及其生成方法 (24)4.4.1累加生成 (25)4.4.2累减生成 (25)4.4.3均值生成 (26)4.5数列灰预测模型 (27)4.5.1灰色预测模型的建模 (27)4.5.2灰色预测模型的检验 (30)4.6 实例分析 (32)第五章总结和展望 (37)参考文献 (38)致谢 (39)附录一灰色模型仿真程序 (40)附录二翻译 (45)附录三任务书 (71)附录四开题报告 (75)第一章绪论1.1中长期负荷预测研究背景和意义电力负荷的预测意义不言而喻，当代社会处处离不开电，电力负荷同国民经济密切相关。
把生产出来的电能合理地分配给各地区，各工厂，各居民用户，同时维持稳定的电压、恰当功率，是电力系统的基本要求。
由于电能不能大量储存，生产的负荷不能太大，也不能太小，所以精准的费和预测对保持电网安全稳定运行具有重大意义；对于一个发电企业如果能提前知道某地区的用电量，可以减少不必要的储备容量；对于一个电网系统，明确子系统的用电量，无疑可以更合理地分配负荷，避免不必要的启停，减少意外的经济损失；对于整个国家，依据电力负荷和国民经济的密切关系，准确的负荷预测有利于国民经济的宏观调控。
电力系统负荷预测方法及特点
电力系统负荷预测方法及特点摘要：负荷预测在电力系统规划和运行中起着重要的作用，优势极其明显。
从根本上来讲，电力市场需求的预测就是负荷预测。
因此，电力系统负荷预测方法十分重要。
本文系统地介绍和分析了负荷的分类以及影响电力负荷的主要因素，最后总结了电力负荷预测的方法和特点，望对电力行业起到一定的促进作用。
关键词：电力系统；负荷预测；方法；特点负荷预测是基于已知的电力需求，并考虑到政治、经济、气候和其他相关因素来预测未来的电力需求。
负荷预测包括两个方面：预测未来的需求（电力）和预测未来的电力消耗（能源）。
电力需求的预测决定了发电、输配电系统的新容量和发电设备的类型（例如，峰值负载调制器、基本负载单元等）。
它的作用是记录符合发展状况和水平，如此同时确定计划年用电量、供电面积、最大供电负负荷和计划总负荷发展水平面积，并确定计划年度负荷。
1电力负荷分类电力负荷主要分为以下四类：1.1城市民用负荷城市民用负荷主要是城市居民的家庭负荷，它具有年均增长频繁，季节波动明显等特点。
在许多情况下，房屋负荷的季节变化直接影响系统峰值负荷的变化。
影响程度取决于城市居民的负荷对系统总负荷的比例。
1.2商业负荷商业负荷指的是商业部门电力使用中所产生的电力负荷。
它虽然要小于民用和工业负荷，但是对日负荷峰值高低也有极为明显影响。
1.3农村负荷农村负荷指的是农民民用、农业生产以及工商用电所产生的负荷。
因为农业的生产是随着季节而变化的，因此农村负荷的季节性比较明显。
电力负荷也会随着农业生产的增大而变大。
1.4工业负荷工业负荷通常被视为基本负荷，对气候影响不大，除少数地区外。
工业负荷在电力构成中的比重居首位，对确定电力总负荷起着重要作用。
不同国家的工业电力负荷占总负荷的比例是不同的。
工业化国家工业电力负荷的比例很小（例如，美国的1/3和日本的1/2），但发展中国家工业电力负荷的比例很大。
总的来说，工业负载比其他类型的负载更稳定，不受天气和其他因素的影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
负荷预测的方法及特点
负荷猜测是电力系统调度、实时掌握、运行方案和进展规划的前提，是一个电网调度部门和规划部门所必需具有的基本信息。
提高负荷猜测技术水平，有利于方案用电管理，有利于合理支配电网运行方式和机组检修方案，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效益。
因此，负荷猜测已成为实现电力系统管理现代化的重要内容，以下具体介绍负荷猜测的方法及特点：
1.单耗法
根据国家支配的产品产量、产值方案和用电单耗确定需电量。
单耗法分"产品单耗法"和"产值单耗法"两种。
采纳"单耗法"猜测负荷前的关键是确定适当的产品单耗或产值单耗。
从我国的实际状况来看，一般规律是产品单耗逐年上升，产值单耗逐年下降。
单耗法的优点是：方法简洁，对短期负荷猜测效果较好。
缺点是：需做大量细致的调研工作，比较笼统，很难反映现代经济、政治、气候等条件的影响。
2.趋势外推法
当电力负荷依时间变化呈现某种上升或下降的趋势，并且无明显的季节波动，又能找到一条合适的函数曲线反映这种变化趋势时，就可以用时间t为自变量，时序数值y为因变量，建立趋势模型y＝f(t)。
当有理由信任这种趋势能够延长到将来时，给予变量t所需要的值，可以得到相应时刻的时间序列将来值。
这就是趋势外推法。
应用趋势外推法有两个假设条件：①假设负荷没有跳动式变化；
②假定负荷的进展因素也打算负荷将来的进展，其条件是不变或变化不大。
选择合适的趋势模型是应用趋势外推法的重要环节，图形识别法和差分法是选择趋势模型的两种基本方法。
外推法有线性趋势猜测法、对数趋势猜测法、二次曲线趋势猜测法、指数曲线趋势猜测法、生长曲线趋势猜测法。
趋势外推法的优点是：只需要历史数据、所需的数据量较少。
缺点是：假如负荷消失变动，会引起较大的误差。
3.弹性系数法
弹性系数是电量平均增长率与国内生产总值之间的比值，依据国内生产总值的增长速度结合弹性系数得到规划期末的总用电量。
弹性系数法是从宏观上确定电力进展同国民经济进展的相对速度，它是衡量国民经济进展和用电需求的重要参数。
该方法的优点是：方法简洁，易于计算。
缺点是：需做大量细致的调研工作。
4.回归分析法
回归猜测是依据负荷过去的历史资料，建立可以进行数学分析的数学模型。
用数理统计中的回归分析方法对变量的观测数据统计分析，从而实现对将来的负荷进行猜测。
回归模型有一元线性回归、多元线性回归、非线性回归等回归猜测模型。
其中，线性回归用于中期负荷猜测。
优点是：猜测精度较高，适用于在中、短期猜测使用。
缺点是：①规划水平年的工农业总产值很难具体统计；②用回归分析法只能测算出综合用电负荷的进展水平，无法测算出各供电区的负荷进展水
平，也就无法进行详细的电网建设规划。
5.时间序列法
就是依据负荷的历史资料，设法建立一个数学模型，用这个数学模型一方面来描述电力负荷这个随机变量变化过程的统计规律性；另一方面在该数学模型的基础上再确立负荷猜测的数学表达式，对将来的负荷进行猜测。
时间序列法主要有自回归AR(p)、滑动平均MA(q)和自回归与滑动平均ARMA(p,q)等。
这些方法的优点是：所需历史数据少、工作量少。
缺点是：没有考虑负荷变化的因素，只致力于数据的拟合，对规律性的处理不足，只适用于负荷变化比较匀称的短期猜测的状况。
6.灰色模型法
灰色猜测是一种对含有不确定因素的系统进行猜测的方法。
以灰色系统理论为基础的灰色猜测技术，可在数据不多的状况下找出某个时期内起作用的规律，建立负荷猜测的模型。
分为一般灰色系统模型和最优化灰色模型两种。
一般灰色猜测模型是一种指数增长模型，当电力负荷严格按指数规律持续增长时，此法有猜测精度高、所需样本数据少、计算简便、可检验等优点；缺点是对于具有波动性变化的电力负荷，其猜测误差较大，不符合实际需要。
而最优化灰色模型可以把有起伏的原始数据序列变换成规律性增加的成指数递增变化的序列，大大提高猜测精度和灰色模型法的适用范围。
灰色模型法适用于短期负荷猜测。
灰色猜测的优点：要求负荷数据少、不考虑分布规律、不考虑变化趋势、运
算便利、短期猜测精度高、易于检验。
缺点：一是当数据离散程度越大，即数据灰度越大，猜测精度越差；二是不太适合于电力系统的长期后推若干年的猜测。
7.德尔菲法
德尔菲法是依据有特地学问的人的直接阅历，对讨论的问题进行推断、猜测的一种方法，也称专家调查法。
德尔菲法具有反馈性、匿名性和统计性的特点。
德尔菲法的优点是：①可以加快猜测速度和节省猜测费用；②可以获得各种不同但有价值的观点和意见；③适用于长期猜测，在历史资料不足或不行猜测因素较多尤为适用。
缺点是：①对于分地区的负荷猜测则可能不行靠；②专家的意见有时可能不完整或不切实际。
8.专家系统法
专家系统猜测法是对数据库里存放的过去几年甚至几十年的，每小时的负荷和天气数据进行分析，从而汇合有阅历的负荷猜测人员的学问，提取有关规章，根据肯定的规章进行负荷猜测。
实践证明，精确的负荷猜测不仅需要高新技术的支撑，同时也需要融合人类自身的阅历和才智。
因此，就会需要专家系统这样的技术。
专家系统法，是对人类的不行量化的阅历进行转化的一种较好的方法。
但专家系统分析本身就是一个耗时的过程，并且某些简单的因素(如天气因素)，即使知道其对负荷的影响，但要精确定量地确定他们对负荷地区的影响也是很难的。
专家系统猜测法适用于中、长期负荷猜测。
此法的优点是：①能汇合多个专家的学问和阅历，最大限度地利用专家
的力量；②占有的资料、信息多，考虑的因素也比较全面，有利于得出较为正确的结论。
缺点是：①不具有自学习力量，受数据库里存放的学问总量的限制；②对突发性大事和不断变化的条件适应性差。
9.神经网络法
神经网络(ANN,Artificial Neural Network)猜测技术，可以仿照人脑做智能化处理，对大量非结构性、非确定性规律具有自适应功能。
ANN 应用于短期负荷猜测比应用于中长期负荷猜测更为相宜。
由于，短期负荷变化可以认为是一个平稳随机过程。
而长期负荷猜测可能会因政治、经济等大的转折导致其模型的数学基础的破坏。
优点是：①可以仿照人脑的智能化处理；②对大量非结构性、非精确性规律具有自适应功能；③具有信息记忆、自主学习、学问推理和优化计算的特点。
缺点是：①初始值的确定无法利用已有的系统信息，易陷于局部微小的状态；②神经网络的学习过程通常较慢，对突发大事的适应性差。
10.优选组合猜测法
优选组合有两层含义：一是从几种猜测方法得到的结果中选取适当的权重加权平均；二是指在几种猜测方法中进行比较，选择拟和度最佳或标准偏差最小的猜测模型进行猜测。
对于组合猜测方法也必需留意到，组合猜测是在单个猜测模型不能完全正确地描述猜测量的变化规律时发挥作用。
一个能够完全反映实际进展规律的模型进行猜测完全可能比用组合猜测方法猜测效果好。
该方法的优点是：优选组合
了多种单一猜测模型的信息，考虑的影响信息也比较全面，因而能够有效地改善猜测效果。
缺点是：①权重的确定比较困难；②不行能将全部在将来起作用的因素全包含在模型中，在肯定程度上限制了猜测精度的提高。
11.小波分析猜测技术
小波分析是一种时域-频域分析法，它在时域和频域上同时具有良好的局部化性质，并且能依据信号频率凹凸自动调整采样的疏密，它简单捕获和分析微弱信号以及信号、图像的任意细小部分。
其优点是：能对不同的频率成分采纳渐渐精细的采样步长，从而可以聚集到信号的任意细节，尤其是对奇异信号很敏感，能很好的处理微弱或突变的信号，其目标是将一个信号的信息转化成小波系数，从而能够便利地加以处理、储存、传递、分析或被用于重建原始信号。
这些优点打算了小波分析可以有效地应用于负荷猜测问题的讨论。