浅谈电力系统短期负荷预测
电力系统短期负荷预测
电力系统短期负荷预测作者：董林葛悦琴钱圳冰来源：《中国市场》2017年第16期[摘要]文章是一个研究多重变量之间的关联程度的问题，通过利用多项式回归方程拟合的思想，偏最小二乘回归法、线性回归和曲线拟合的方法建立了电力系统短期负荷预测的模型。
模型考虑了数据相对于时间的变化情况、数据之间存在的相互影响关系，对未来的电力系统短期负荷情况进行了合理的预测。
[关键词]偏最小二乘回归；时间序列分析；拉格朗日乘子法；自回归滑动平均[DOI]1013939/jcnkizgsc2017161941问题分析电力系统负荷的变化有其自身的规律，一方面，呈现期性，随着春、夏、秋、冬四季更迭，负荷在每个季节有着其自身内部的发展规律；从周一到周五的5个工作日，负荷也有着较大的相似性，但是周末的负荷值往往低于工作日，整体呈现周期性。
另一方面，电力系统负荷的变化也受许多不确定因素的影响，比如天气、人们活动等因素。
通过综合考虑各个气象因子之间的相互作用，详细地描述了综合气象因子和负荷指标间的回归方程。
定性分析了综合气象因子与负荷值之间的关系，并且通过回归理论绘制出拟合曲线，建立回归模型，进一步定量分析综合气象因素与负荷之间的相关性。
在对短期负荷的预测时，结合往年的数据以及近阶段的天气情况，我们通过加拉格朗日乘子法来修正所建立的回归模型，使得模型预测的结果更加准确。
2名词解释21多元线性回归分析指通过对两个或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法，是一种普遍应用的统计分析与预测技术。
多元线性回归中，一般采用最小二乘方法估计回归系数，以使残差平方和达到最小。
22拉格朗日乘子法将约束优化问题，根据效用函数方法，将其转变成无约束问题，同时对无约束的效用函数利用拟牛顿算法求解其最优解，更新乘子。
其主要思想是引入一个新的参数（即拉格朗日乘子），将约束条件函数与原函数联系到一起，使能配成与变量数量相等的等式方程，从而求出得到原函数极值的各个变量的解。
基于小波神经网络的电力系统短期负荷预测模型研究
Ｂａ ｅ ｎ Ｗ ａ ｅ ｅ ｕｒ ｌＮｅ ｗｏ ｋ ｓｄ ｏ ｖ ｌｔ Ｎｅ ａ ｔ ｒ
ＺＵ ｅ ＢＩＧｕ —ｈ ｎｇ ＬＩ Ｌｉ ＨＡＯ ｕ ｎ Ｚｈ ， ｉ ｏ ， Ｕ ， Ｊａ
（ ． ａｕｔ ｏ ｌ ｔｃＰ ｗ ｒ ｎ ｉｅｒ ｇ Ｋ ｎ ｎ ｎｖ ｏ ｃｅｃ ｎ ｅｈ ， ｕ ｍ ｎ ５５ ０ Ｃ ｉａ １Ｆ ｃｌ ｆ ｅ ｒ ｏ ｅ ｇｎｅｉ ， ｕ ｍｉ Ｕ ｉ． ｆ ｉｎｅａｄＴ ｃ ． Ｋ ｎ ｉｇ６ ０ ０ ， ｈｎ ； ｙ Ｅ ｃｉ Ｅ ｎ ｇ Ｓ
中 圈分类 号 ：Ｐ９ Ｔ ３
文 献标 识码 ： Ａ
文章 编号 ： ７ － ２ Ｘ ２ ｌ）０ ０３ － ５ １ ３ ６９ （０２ １－ ２７ ０ ６
Ｒｅ ｅ ｒ ｈ ｏ ｗｅ ｙ ｔ ｍ ｈ ｒ － ｅ ｍ ａ ｏ ｅ ａ ｔＭ ｏ ｅ ｓ ａ ｃ ｎ Ｐｏ ｒ Ｓ ｓｅ Ｓ ｏ ｔ ｔｒ Ｌｏ ｄ Ｆ ｒ ｃ ｓ ｄ ｌ
中所 指的 小波 神经 网络 的优点 ， 例如 所需 网络 节点 少和 预 测精 度 高 ， 经在 电力 负荷 预 测 中得 到 验证 。表 明小 波神 经 网 已 络模 型预 测精度 高 ， 自适应 性好 ， 收敛 速度 也 明显快 。
电力系统短期负荷预测
电力系统短期负荷预测POWER SYSTEM SHORT—TERM LOAD FORECASTING专业：电气工程及其自动化姓名：指导教师姓名：申请学位级别：学士论文提交日期：二零一六年十二月学位授予单位：天津科技大学摘要电力系统负荷预测是电力生产部门的重要工作之一.准确的负荷预测，可以合理安排机组启停,减少备用容量，合理安排检修计划及降低发电成本等.准确的预测，特别是短期负荷预测对提高电力经营主体的运行效益有直接的作用，对电力系统控制、运行和计划都有重要意义。
因此，针对不同场合需要寻求有效的负荷预测方法来提高预测精度.本文采用神经网络方法对电力系统短期负荷进行预测。
本文主要介绍了电力负荷预测的主要方法和神经网络的原理、结构，分析了反向传播算法，建立三层人工神经网络模型进行负荷预测,并编写相关程序.与此同时采用最小二乘法进行对比，通过对最小二乘法多项式拟合原理的学习,建立模型编写相关程序.通过算例对两种模型绝对误差、相对误差、拟合精度进行分析，同时比较它们训练时间，得出标准BP神经网络具有更好的精度优势但训练速度较慢。
最后针对标准BP神经网络训练速度慢、容易陷入局部最小值等缺点,对标准BP神经网络程序运用附加动量法进行修改,分析改进后网络的优点.关键词：短期负荷预测标准BP神经网络最小二乘法附加动量法ABSTRACTPower system load forecasting is one of the most important work of the electricity production sector。
The accurate load forecasting can arrange unit start—stop，reduce the spare capacity, reasonable arrangement of the maintenance plan and reduce power cost, etc。
电力系统短期负荷预测分析
(2)农村负荷特点是用电负荷小，其比重占全社会用电量5 % 左右；农村用电负荷季节性强，单日内变化较小，但是在月、季则 变化较大。由于农业排灌用电受季节影响，夏季的负荷率最高。
(1) 模型能反映负荷随季节、周、日等周期性波动的特点； (2) 模型能反映负荷自然增长规律； (3) 模型能反映气温、日照等气象因素的影响； (4) 节假日期间的负荷变化与正常日的不同，应专门建立用于预 测节假日间负荷的模型，能够提前一段时间进行节假日间负荷预测； (5) 模型能够在线无间断进行； (6) 正常情况建模。 设当日以往n天各小时负荷为Ltj(t=1，2 ，3，⋯,24小时，j表示 按日顺序号)，由于实际负荷有时因偶然因素引起较大的变动，不 可直接作负荷预测。必须对一些偏高或偏低的数据加以修正、删除。 设n天同一时刻t的负荷平均值为Lpt，再设该时刻的均方根值为 Lqt，各个负荷偏离均方根值|Ltj—Lqt|的平均偏差为B。在正常情况 下，当日t时刻的负荷离均方根值Lqt的偏差在B值附近。设当日t时 刻的负荷估值为Ldt，则有:Ldt =Lqt + kB，k为偏离系数。 k=1时，当日负荷比正常日偏高； k=—1时，当日负荷比正常日偏低； k=0时，当日负荷接近正常日负荷。 现取当日初估值和当日前(n—1)天修正后的负荷预计的n个样 本值，记为L’ti(i=1，2，3， ⋯,n)，其偏离均方根值Lqt为△Lti， △Lti=L’ti-Lqt 如次日t时刻的负荷为Lt，则与Lqt的偏差 △Lt=Lt-Lqt 设第i天与第j天同一时刻t的差为 △L’ti j=L’ti-L’tj 令Kti=△Lt/△Lti，Ktj=△Lt/△Ltj (i≠j) 令a tii=△Lti=L’ti-Lqt 令a tij=△Lti j=L’ti-L’tj 则a tiiKti=△Lt a tijKtj=△Lt (i≠j) 整理得 Lt=Lqt+1/n·[a tiiKti+ jΣ=2a tijKtj] 同理，当i取2 ,3 , ⋯,n时，有类似表达式。所以，上式就是短 期负荷预测在正常情况下的数学模型。 式中: n——样本天数； Lt——次日t时刻预计负荷； Lqt——n个样本负荷在同一时刻t的均方根值； a tii——第i天的样本负荷在t时刻的值与Lqt的偏差； a tij——第i天的第j天的样本负荷在t时刻的两两之差值； Kti，Ktj——约加权平均系数。 为求得约加权平均系数值，将上式写成矩阵形式: [A t][K t]=[B t] 当i≠j时，[B t]的元素是相同的，它是次日t时刻负荷Lt与Lqt之 差。Lt为待求值，在求Ktj(j =1，2，3 , ⋯,n)时，Lt可取昨日的负 荷作为明日的负荷参数。选其为参考值，解方程组，求得Ktj值，进 而求得明日t时刻的预计负荷值。 (7) 非正常情况建模
电力系统短期负荷预测方法综述
摘要:本文主要是针对电力系统的短期负荷预测的概念和意义进行综述，就短期负荷预测的一些特点及其影响预测精度的各方面原因进行总体的分析。
在目前的预测方法里，主要有经典的预测方法和传统的预测方法以及智能预测方法和预测新方法。
从这些预测方法入手进行综合的应用原理分析，比较其不同预测方法的优点及不足的地方。
并且提出了短期负荷预测的精度提升了，不仅在历史的数据上重视了其积累，还应重视在预测的模型选择上要合适，综合型预测模型在未来电力负荷预测方法的必然性。
关键词:电力系统短期负荷预测电力负荷预测在能量的管理系统组成中是极为重要的部分，而短期电力负荷预测则是对几个小时后或是一天、几天的电力负荷值上进行预报。
短期电力负荷预测不仅在电力系统安全以及经济的运作下提供了相关保障，还为市场的环境编排高度计划等打下了基础。
不过在这个电力生产与消费的日趋市场化下，针对负荷预测的准确及可靠性上也有了更为高的要求，而且就电力系统管理与运行来讲其负荷预测逐渐成为了一个主要的研究领域。
预测精度是决定短期负荷预测的作用大小的，所以在短期负荷预测方法研究的重点上是如何对预测精度进行提高。
虽然短期负荷预测的研究历史已经很长远了，国内外的学者也对其在方法还有理论方面对于预测模型进行研究工作。
当短期负荷出现因素太多的情况下，从而限制了预测方法的范围以及精度。
下文针对短期的预测方法展开一个综合性的探析。
在研究未来发展方向的同时也为实际情况下短期负荷的预测提供了一个基础。
1基于短期负荷的预测特点对于短期电力负荷来讲其预测便是基于在电力负荷以及相关的历史数据对模型进行全面的建立，从而使得新世纪型的电力负荷更具备科学性和全面性。
对于短期负荷所面临的事件不确定性以及其随机性，包含了各种特点：①在预测的结果上其短期的负荷存在着一定的不确定性。
②不同的负荷预测方法存在相应的条件性。
③短期负荷预测在时间上各有不同。
④预测的结果包含多方案性。
短期负荷预测精度的影响因素：①以往历史数据。
电力系统短期负荷预测
电力系统短期负荷预测POWER SYSTEM SHORT-TERM LOAD FORECASTING专业：电气工程及其自动化姓名:指导教师姓名:申请学位级别：学士论文提交日期：二零一六年十二月学位授予单位：天津科技大学摘要电力系统负荷预测是电力生产部门的重要工作之一。
准确的负荷预测，可以合理安排机组启停,减少备用容量，合理安排检修计划及降低发电成本等。
准确的预测,特别是短期负荷预测对提高电力经营主体的运行效益有直接的作用,对电力系统控制、运行和计划都有重要意义。
因此，针对不同场合需要寻求有效的负荷预测方法来提高预测精度。
本文采用神经网络方法对电力系统短期负荷进行预测。
本文主要介绍了电力负荷预测的主要方法和神经网络的原理、结构，分析了反向传播算法,建立三层人工神经网络模型进行负荷预测，并编写相关程序。
与此同时采用最小二乘法进行对比，通过对最小二乘法多项式拟合原理的学习，建立模型编写相关程序。
通过算例对两种模型绝对误差、相对误差、拟合精度进行分析，同时比较它们训练时间,得出标准BP神经网络具有更好的精度优势但训练速度较慢.最后针对标准BP神经网络训练速度慢、容易陷入局部最小值等缺点，对标准BP神经网络程序运用附加动量法进行修改，分析改进后网络的优点。
关键词：短期负荷预测标准BP神经网络最小二乘法附加动量法ABSTRACTPower system load forecasting is one of the most important work of the electricity production sector。
The accurate load forecasting can arrange unit start-stop, reduce the spare capacity，reasonable arrangement of the maintenance plan and reduce power cost，etc。
短期电力负荷大数据预测模型分析
短期电力负荷大数据预测模型分析摘要：电力产业为社会经济发展提供了推动力，在电网运行环节中，展开数据处理、负荷预测能确保电网系统可靠运行，为电力调度提供数据支持，促进电力行业发展。
本文主要围绕着短期电力负荷来展开，基于负荷大数据预测模型，分析用户用电规律，深入探究短期电力负荷预测相关内容，保证精准完成短期电力负荷预测，让电力系统运行更安全。
关键词：电力负荷数据；学习率；预测模型；转换填补；负荷波动引言：当前，在电力行业发展中，全面、精准收集电力负荷数据，对于电力企业以及人民生活具有现实意义，开展短期负荷预测工作，准确获取电力系统的真实需求，是新能源系统研究人员探索重点。
深入结合电力系统发展进程中形成的负荷数据，把握电网运行特点、负荷波动规律，构建相应预测模型，有效估量负荷的发展走势，所以，负荷大数据预测分析具有必要性。
1 用户用电分析1.1用户用电规律分析从用户负荷数据中可以看出，各个数据间不仅具有关联，而且存在一定相似之处，如果能够把握用户用电数据，便能获得用户的电能应用习惯，深入挖掘用户的电力应用数据，对用户类型实行分层处理，让电网准确了解到用户的个性需求，得到大量数据依据，便于建立预测模型。
在分析用电规律时，深入结合电力系统发展进程中形成的负荷数据，可以采取聚类技术，实行网络初始化，针对输出层中的各个节点，给予权重初始值，随机选择输入向量，同输入向量进行比较，筛选出距离最小的权重向量，不断调整权重，保证和输入向量相接近，然后利用新样本训练，经过减小学习率等环节，当低于允许值，便能将聚类结果输出。
通过确定用电模式，有助于深入准确研究影响因素，有利于科学选取预测模型。
在不同用电模式下，展现了负荷的规律变化差异，若负荷波动不明显，可以采取相对简单的模型，比如，时间序列；若负荷波动比较明显，要围绕着波动原因，根据有关影响因素，选择模式识别等模型[1]。
1.2主导影响因素确定关于电力负荷，天气情况、社会事件等是主要的影响因素类型，在不同用户中，在生产特性影响差异下，导致影响因素有着明显差距，基于影响因素，分析它与负荷值的相关性，可以明显看出与负荷有着较强关联的主导影响因素，大大减小了影响因素的考虑范畴，让数据处理工作量有所缩减，为后续预测模型构建带来了数据支持。
电力系统短期负荷的预测
电力系统短期负荷的预测
郭帅
【期刊名称】《山西煤炭管理干部学院学报》
【年(卷),期】2010(23)2
【摘要】短期负荷预测对于电力系统的安全稳定运行起着重要的作用,尤其是近年来随着电力市场竞争机制的引入,准确的负荷预测能给电力系统带来巨大的经济效益,因此短期负荷预测一直是电力科技工作者们研究的热点问题.通过对短期负荷预测的介绍,以及实例的计算,相信负荷预测在整个电力系统行业中起着重要的作用.【总页数】2页(P165-166)
【作者】郭帅
【作者单位】山西建筑职业技术学院,山西太原030006
【正文语种】中文
【中图分类】TM714.1
【相关文献】
1.电力系统短期负荷预测方法与预测精度综述
2.基于组合预测模型的新能源电力系统短期负荷预测研究
3.基于最小窥视孔长短期记忆神经网络的电力系统短期负荷预测模型
4.混沌时间序列的预测及其在电力系统短期负荷预测中的应用
5.基于量子加权GRU神经网络的电力系统短期负荷预测
因版权原因，仅展示原文概要，查看原文内容请购买。
电力系统短期负荷预测
然变化的气象因素。
1 数据来源
数据来源于第九届中国电机工程学会杯全国大 学 生 电 工 数 学 建 模 数 据 ，包 含 地 区 一 的 电 力 负 荷 和 气象情况数据。
2 统计指标分析
整理地区一 2014年 每 天 9 6 个 数 据 ，求出最大 值 、最 小 值 、极 差 ，分 别 对 应 日 最 高 负 荷 、日最低负
Key words：power load forecasting; meteorological factors; fractal theory; EVIEWS
0 引言
电力负荷预测和负荷特性分析是电力管理部门 的 重 要 工 作 ，是 电 力 市 场 环 境 下 作 出 调 度 和 交 易 计 划 的 前 提 和 基 础 ，其 预 测 精 度 是 否 达 标 关 系 整 个 电 力系统的效率、效益和安全性。电力负荷预测总共 有两层含义:一方面是用在国家机关、企业 公 司 、住 户 等 各 用 电 器 械 设 备 ，另 一 方 面 是 用 以 描 述 用 电 器 械设备所消耗的电力电量。在 电 力负荷预测中，很 多 因 素 不 同 程 度 地 影 响 着 电 力 荷 的 预 测 值 ，比如自
摘 要 : 针对给定的地区一的电力负荷和气象情况的历史数据, 首 先 进 行 对 数 据 的 初 步 分 析 ，得 到 各 个 统 计 量 分 布 数 据 。接
着 综 合 地 区 一 的 气 象 因 素 ，测 构 建 模 型 ，把 短 期 负 荷 预 测 的 过 程 分 为 曲 线 模 式 、负荷
收稿日期:20174)4-21 基 金 项 目 ：国 家 自 然 科 学 基 金 （11601001) 作 者 简 介 :蒋 年 子 （1996-),女 ，主 要 研 究 方 向 :统 计 学
电力系统短期负荷预测模型分析
电力系统短期负荷预测模型分析随着社会的快速发展，电力已经成为社会生产和生活不可或缺的能源之一。
然而，由于电力的不可存储性、供需的时空差异性、可再生能源的不稳定性等因素，电力系统的规划、调度和运行变得十分复杂。
在这种情况下，如何准确、及时地进行负荷预测，对于电力系统的可靠运行和优化调度至关重要。
短期负荷预测是指对未来0-7天内电力系统的负荷量进行预测，一般分为小时级和日级的预测。
短期负荷预测具有即时性、准确性、实用性和经济性等特点，是电力系统运行管理中最重要的环节之一。
目前，主要的短期负荷预测方法包括统计方法、神经网络方法、时间序列方法和混合预测方法等。
统计方法是最常用的短期负荷预测方法之一，它依据历史数据的统计规律来预测未来的负荷情况。
常用的统计方法有基于ARMA模型的时序分析方法、基于灰色系统理论的灰度预测方法以及基于回归分析的回归预测方法等。
在实践中应用广泛的方法是灰度预测法，该方法利用样本的平均值和百分位数来构建灰色模型，通过对模型的建立和求解，达到对未来负荷的预测。
统计方法具有计算简单、易于实现、较高的准确性等特点，但是对于非线性、不确定性、动态变化的情况，其预测准确性存在一定的局限性。
神经网络方法是近年来发展起来的一种非线性数据建模方法，主要应用于复杂、高维、非线性的系统建模与数据分析。
神经网络模型由多个神经元组成，能够自动学习和适应复杂的数据变化规律，具有较高的预测精度和容错能力。
神经网络方法在短期负荷预测中得到了广泛的应用，常用的神经网络模型包括BP神经网络模型、RBF神经网络模型、ELM神经网络模型等。
其中，BP神经网络模型是最为常用的一种神经网络模型，通过对过去时段的历史数据进行训练，可以预测未来负荷的趋势和数值。
但是，神经网络方法也存在着网络结构依赖性强、过拟合等问题，需要在设计和应用中注意模型的选择和参数的优化。
时间序列方法是一种基于时间序列模型的预测方法，它通常包括趋势分析、季节分解、循环分解等技术，旨在将负荷序列分解为趋势、季节及加性随机扰动等部分，再针对每一部分建立相应的模型进行预测。
- 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)。
浅谈电力系统短期负荷预测
摘要：电力系统的作用就是给各个行业和社会提供优质可靠电能，满足各个用
户的需求。
无论负荷的大小，对电力系统以后的规划或者运行研究来说，都有着
重要的作用。
随着电力系统的逐步发展，负荷预测也越来越显得重要。
负荷预测
是电力系统控制和行的基础，预测的准确与否对整个电力系统的运行、检修、规
划等都有着至关重要的作用。
关键字：负荷预测电力系统短期负荷预测
绪言
随着电力系统的发展，成为了世界上每个国家提供能源的巨大网络。
电力系
统的作用就是给社会和企业等提供优质良好的电能（电压，频率，高次谐波少的
电力），从而保证社会的稳定和经济的发展。
由于电能不能储存的特殊性，导致
了发电，输电，配电和用电都必须同步进行。
这也就说系统内的发电量必须满足
系统中负荷的要求，保持一个动态的平衡。
否则对电力系统的运行和社会经济的
发展都会产生不良的影响。
因此，负荷预测理论在这种环境下产生了，它是根据
电力系统运行的特点，自然因素以及社会影响等，利用或者研究一种算法利用历
史负荷数据或者未来因素等，在满足一定误差的前提下，对未来特定时间里面的
负荷进行预测。
1电力系统负荷预测的意义
电力系统负荷预测在电力系统安排生产规划和实际运行中，以及社会的稳定
和经济的发展中都发挥着不可估量的作用：
（1）电力系统中经济调度的依据。
对于电力系统来说，第一，要为用户提
供优质可靠的电能，同时还要满足负荷变化的要求。
第二，必要的成本是要考虑的，由于电能不能储存的特点，因此必须在保证系统安全运行的情况下最大化的
减少发电设备的容量。
准确的负荷预测，可以让电力企业确定机组的按照最优化，最经济的组合投入运行。
（2）电力系统安全分析的根据。
电力系统引发的事故所造成的经济损失及
其对社会的影响都是巨大的，必须尽可能的避免。
精确的预测为发现临界状态提
供了依据，它可以提醒调度员进行必要的一些操作来避免电力系统的安全事故，
从而保证了系统的安全运行。
（3）社会的稳定及发展。
随着社会的发展，越来越离不开电。
电能也成为
了社会秩序稳定和经济发展的一个不可缺少的因素。
用户负荷的变化影响着电力
系统的稳定运行和电力的经济运行。
然而精确的负荷预测可以不仅可以满足社会
用电的要求，也可以满足电力系统稳定运行和经济运行的要求。
从上面可以知道电力系统中的电能是不可以储存的，发电，输电和供电都是
同步进行的。
发电量过多从能源方面来说会造成不必要的浪费，对电力企业来说
是不经济的。
然而发电量过少，会影响社会稳定发展和人民的日常生活。
由此可
以发现电力系统负荷的预测不管是对于电力系统方面还是社会方面都是非常重要的。
对于电力系统的发展和社会的稳定都有着不可估量的作用。
2电力系统负荷预测的概念和原理
负荷预测的主要工作就是根据电力网中电力负荷的变化规律和趋势，来预测
未来电网的负荷。
负荷预测的结果对于电网的运行、调度、生产有着实际的指导
意义，这就要求我们必须科学的总结出预测工作的原理。
（1）可知性原理
指的是预测的对象的发展规律，它未来的发展状况和趋势是可以被人们所知
道的。
工作者可以根据过去的历史数据推测未来某一个时刻的负荷，其负荷发展
的大体方向和趋势是被人们所认识到的。
（2）可能性原理
内因和外因的共同作用使得事物不停在发展，外因的变化以及内因的变化作
用大小不用，这样会造成事物变化和发展出现很多种可能性。
因此，对于具体的
某一个指标的预测，常常根据它发展变化的多种可能性，按照多种方案进行预测。
（3）相似性原理
虽然在客观世界里面事物的发展不经相同，但是有一些事物之间还是存在着
一点相似之处，人们可以依据这种相似的特征进行对未来的预测。
在大部分情况下，做为预测对象的一个事物，它未来发展的过程和状况有可能与某一个相似事
物的过去一段时间内的发展过程和状况是相似的。
这样人们就可以根据过去的那
个相似事物，对现在正在发展的事物的过程和状况进行有根据的预测，这就是相
似性原理。
（4）连续性原理
连续性原理又被称作惯性原理，主要是指预测事物的发展是一个统一的连续
的过程，其未来发展就是这个过程的继续。
它主要强调预测对象是从过去发展到
现在，并且依旧从现在发展到未来。
它强调对象的变化和发展过程中会将某一些
原始特性保持下去。
这中连续性原理同样存在电力系统的变化和发展中，就像某
一些负荷会会以原有的变化率和趋势发展。
这种连续性原理就给我们进行负荷预
测提供了有利的依据。
（5）系统性原理
对一个对象的预测常常是一个完整的系统，一个完整的系统里面通常包涵了
它本身的内在系统和对象与外界因素的关系多形成的外在系统。
内在系统和外在
系统等就组成了一个完整的总系统，都是要被考虑进去的。
系统性原理强调整体
系统最佳，只有系统整体预测最佳，这个预测才是高质量的，是最优秀的预测方案。
（6）反馈性原理
反馈就是把输出的预测值与实际值进行比较，再进行调节从而输出比较满意
的结果。
预测性反馈原理其实就是为了不断的提高预测的精度来进行反馈。
在实
践中人们发现，当预测结果进行对比，利用这个差距，对预测值进行反馈，可以
有效的提高预测的准确度。
进行反馈调节中，首相要分析预测值和实际值之间的
误差还有产生这个误差的原理，然后根据原因，有效的调节输入数据，进行反馈
调节。
3电力系统负荷预测的发展
电力系统负荷预测起源于20世纪20年代。
当时电力系统规模小，负荷预测
的基本思想没有引起重视。
到了60年代出现了几次严重的系统瓦解事故，使得
电力系统安全分析被重视。
随着经济的不断发展，从这一时期，负荷预测得到了
初步的发展。
从20世纪60年代、70年代到现在，负荷预测总的来说可以分为两个大的阶段[1][3]。
第一大阶段（二十世纪的六十年代到八十年代后期）这个阶段主要使用传统
负荷预测技术。
采用的方法可以归为两种类型，第一种就是回归分析法，第二种
就是时间序列法。
回归分析法，它主要是通过建立某些解释变量与负荷之间的因果关系而获得的负荷预测。
时间序列预测法是一种历史资料延伸预测，也称历史引伸预测法。
是以时间数列所能反映的社会经济现象的发展过程和规律性，进行引伸外推，预测其发展趋势的方法。
第二大阶段（二十世纪九十年代到现在），随着科技的发展各种智能化的计算机的应用和人工智能（Artificial Intclligcncc）的迅速发展，负荷预测快速的进入了智能化的负荷预测的阶段。
人工神经网络（ANN）、模糊集理论(FT)、混沌预测方法（CPM）、小波分析方法(WAT)、灰色理论预测方法(GST)、模拟进化算法(GA)、专家系统(ES)等预测方法在负荷预测中得到越来越多学者专家们的重视。
有一些方法都已经被成熟的应用于现在负荷预测的模型中，不管从精度还是速度要求上都优越于传统的方法。
4结语
针对电力市场需求方面来分析，电力系统短期负荷预测有着重要的作用，预测值的大小的精度对供电区售电的收益情况是一个至关重要的一点，对能否充分利用资源；是否会造成投资浪费等效益的下降都有着潜移默化的关系。
随着电力系统的不断完善，对短期负荷预测也越来越重视，从而加强了短期负荷的预测研究和发展。
参考文献：
[1]康重庆,夏清,张伯明.《电力系统负荷预测研究综述与发展方向的探讨》[J] .电力系统自动化,第2004,9,10,Vol28,No.17
[2]马静波.电力系统短期负荷预测方法研究[D]:成都.四川大学,2005
[3]徐军华.电力系统短期负荷预测模型与优选的研究[D]:成都.四川大学,2004
[4]张晓. 电力系统短期负荷研究[D]:成都.四川大学,2001。