張 怡， 張 鋒

（1.浙江大學(xué)電氣工程學(xué)院，杭州 310027； 2.浙江電力職業(yè)技術(shù)學(xué)院，杭州 310015；3.浙江電力調(diào)度通信中心，杭州 310007）

負(fù)荷預(yù)測(cè)是電力系統(tǒng)經(jīng)濟(jì)調(diào)度中的重要內(nèi)容，是能量管理系統(tǒng)（EMS）的一個(gè)重要模塊[1]。負(fù)荷預(yù)測(cè)按其預(yù)測(cè)所取時(shí)間長(zhǎng)度一般可分為長(zhǎng)期、中期、短期和超短期負(fù)荷預(yù)測(cè)[2]，其中超短期負(fù)荷預(yù)測(cè)主要用于安全監(jiān)視、預(yù)防性控制和緊急狀態(tài)處理，其預(yù)測(cè)精度對(duì)電網(wǎng)安全、發(fā)用電平衡及提高電網(wǎng)頻率合格率有著舉足輕重的作用。

1 超短期負(fù)荷預(yù)測(cè)的特點(diǎn)及方法

超短期負(fù)荷預(yù)測(cè)是指預(yù)測(cè)未來1 h內(nèi)負(fù)荷的變化，主要用于AGC調(diào)頻、超短期機(jī)組出力控制、安全監(jiān)視、指導(dǎo)調(diào)度員控制聯(lián)絡(luò)線交換功率在規(guī)定范圍、預(yù)防控制和緊急狀態(tài)處理、電力市場(chǎng)小時(shí)交易計(jì)劃軟件編制。超短期負(fù)荷預(yù)測(cè)具有預(yù)測(cè)時(shí)間短、預(yù)測(cè)速度快以及預(yù)測(cè)精度要求高等特點(diǎn)。到目前為止，國(guó)內(nèi)外學(xué)者在電力系統(tǒng)負(fù)荷預(yù)測(cè)方面作了大量的工作，研究出了許多負(fù)荷預(yù)測(cè)方法?？傮w來說，超短期負(fù)荷預(yù)測(cè)的發(fā)展大致經(jīng)歷了3個(gè)階段：傳統(tǒng)預(yù)測(cè)方法階段、現(xiàn)代預(yù)測(cè)方法階段和綜合預(yù)測(cè)方法應(yīng)用研究階段。

2 傳統(tǒng)預(yù)測(cè)方法

2.1 線性外推法[3]

線性外推法是對(duì)過去一段時(shí)間內(nèi)具有隨機(jī)特性的負(fù)荷用線性曲線或二次曲線等擬合出負(fù)荷變化曲線，使得這條曲線能夠反映負(fù)荷本身的變化趨勢(shì)，然后根據(jù)這條擬合曲線，對(duì)未來某一點(diǎn)外推估計(jì)出預(yù)測(cè)結(jié)果。該方法能較好預(yù)測(cè)變化比較平坦的負(fù)荷曲線，但對(duì)負(fù)荷曲線拐點(diǎn)處的預(yù)測(cè)效果較差，會(huì)出現(xiàn)比較大的誤差。

2.2 時(shí)間序列法[4]

時(shí)間序列是按時(shí)間順序排列的一組數(shù)字序列。時(shí)間序列分析法就是利用這組數(shù)列，應(yīng)用數(shù)理統(tǒng)計(jì)方法加以處理，以預(yù)測(cè)未來的發(fā)展。時(shí)間序列分析是定量預(yù)測(cè)方法之一，它的基本原理是：承認(rèn)事物發(fā)展的延續(xù)性，應(yīng)用過去數(shù)據(jù)就能推測(cè)事物的發(fā)展趨勢(shì)?？紤]到事物發(fā)展的隨機(jī)性，任何事物發(fā)展都可能受偶然因素影響，為此要利用統(tǒng)計(jì)分析中加權(quán)平均法對(duì)歷史數(shù)據(jù)進(jìn)行處理。

2.3 卡爾曼濾波法[5]

卡爾曼濾波法成功采用了狀態(tài)空間的概念，不要求直接給出信號(hào)過程的二階特性或譜密度函數(shù)，而是把信號(hào)過程視為在白噪聲作用下的一個(gè)線性系統(tǒng)的輸出，用狀態(tài)轉(zhuǎn)移矩陣φ（t，τ）來描述這個(gè)線性系統(tǒng)，系統(tǒng)的輸入、輸出用一個(gè)狀態(tài)方程來描述。這樣，就使所研究的信號(hào)過程除了平穩(wěn)的標(biāo)量隨機(jī)過程外，還包括非平穩(wěn)矢量隨機(jī)過程。同時(shí)，卡爾曼濾波法將狀態(tài)空間描述與離散時(shí)間更新聯(lián)系起來，提出了使均方差最小的線性遞推濾波算法，這種方法不要求存儲(chǔ)過去的觀測(cè)數(shù)據(jù)，當(dāng)新的數(shù)據(jù)被觀測(cè)到后，只要根據(jù)新的數(shù)據(jù)和前一時(shí)刻的估計(jì)量，借助于信號(hào)過程本身的狀態(tài)轉(zhuǎn)移方程，按照遞推公式，即可算出新的估計(jì)量，大大減少了濾波裝置的存儲(chǔ)量和計(jì)算量，便于實(shí)時(shí)處理。

2.4 負(fù)荷求導(dǎo)法[6]

負(fù)荷求導(dǎo)法是對(duì)負(fù)荷曲線進(jìn)行一次求導(dǎo)，得到每一點(diǎn)的負(fù)荷變化率，再利用數(shù)理統(tǒng)計(jì)原理對(duì)得出的負(fù)荷變化率進(jìn)行統(tǒng)計(jì)，可以采用求平均值或是求加權(quán)平均值的算法來進(jìn)行統(tǒng)計(jì)，最后利用得到的負(fù)荷變化率曲線進(jìn)行負(fù)荷預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。這種方法適用于超短期負(fù)荷預(yù)測(cè)，預(yù)測(cè)精度比線性外推法要高。但當(dāng)隨機(jī)因素發(fā)生大的變化或有壞數(shù)據(jù)存在時(shí)，預(yù)測(cè)誤差會(huì)比較大。

2.5 替代法

替代法是超短期負(fù)荷預(yù)測(cè)中最簡(jiǎn)單的一種方法，它直接以當(dāng)前時(shí)間的實(shí)際負(fù)荷作為下一點(diǎn)的預(yù)測(cè)值。該法對(duì)正常工作日的負(fù)荷預(yù)測(cè)效果較差，但在節(jié)假日時(shí)，系統(tǒng)負(fù)荷較小，變化平穩(wěn)，與正常工作日相差很大時(shí)，實(shí)踐表明此時(shí)替代法效果比其它方法要好。

3 現(xiàn)代預(yù)測(cè)方法

3.1 灰色預(yù)測(cè)法[7]

灰色預(yù)測(cè)是就灰色系統(tǒng)所做的預(yù)測(cè)，所謂灰色系統(tǒng)是介于白色系統(tǒng)和黑箱系統(tǒng)之間的過渡系統(tǒng)?；疑到y(tǒng)理論認(rèn)為對(duì)既含有已知信息又含有未知或非確定信息的系統(tǒng)進(jìn)行預(yù)測(cè)，就是對(duì)在一定范圍內(nèi)變化的、與時(shí)間有關(guān)的灰色過程的預(yù)測(cè)。盡管過程中所顯示的現(xiàn)象是隨機(jī)的、雜亂無章的，但畢竟是有序的、有界的，因此這一數(shù)據(jù)集合具備潛在的規(guī)律，灰色預(yù)測(cè)就是利用這種規(guī)律建立灰色模型對(duì)灰色系統(tǒng)進(jìn)行預(yù)測(cè)。

3.2 人工神經(jīng)網(wǎng)絡(luò)[8]

人工神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的內(nèi)在節(jié)點(diǎn)聯(lián)系，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力，可以通過預(yù)先提供的一批相互對(duì)應(yīng)的輸入/輸出數(shù)據(jù)，分析兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律用新的輸入數(shù)據(jù)來預(yù)測(cè)輸出結(jié)果。

3.3 小波分析預(yù)測(cè)法[9]

小波分析是一種新興的數(shù)學(xué)工具，正被廣泛應(yīng)用于各個(gè)專業(yè)技術(shù)領(lǐng)域中，它在時(shí)域和頻域具有同樣良好的局部化性質(zhì)，可以任意提取短期負(fù)荷序列的細(xì)節(jié)。通過使用小波分析，可以在任何水平上分析短期負(fù)荷序列，對(duì)信息成分采取逐漸精細(xì)的時(shí)域和頻域處理，尤其在對(duì)突發(fā)與短時(shí)的信息分析上具有明顯的優(yōu)勢(shì)。

3.4 數(shù)據(jù)挖掘技術(shù)[10]

所謂的數(shù)據(jù)挖掘（DM，Data Mining）就是從海量的數(shù)據(jù)中提取隱含在其中事先未知的，但又是潛在有用的信息和知識(shí)，并將其表示成最終能被人理解的模式的高級(jí)過程。數(shù)據(jù)挖掘技術(shù)產(chǎn)生于20世紀(jì)80年代末期，是目前國(guó)際國(guó)內(nèi)的研究熱點(diǎn)。它是數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)KDD（knowledge discovery in database）的核心技術(shù)。數(shù)據(jù)挖掘技術(shù)的顯著特點(diǎn)就是其強(qiáng)大的數(shù)據(jù)處理能力，能從大量的數(shù)據(jù)中發(fā)現(xiàn)有用的規(guī)律、規(guī)則、聯(lián)系、模式等知識(shí)。包括聚類分析、分類分析、時(shí)間序列相似性分析、關(guān)聯(lián)度分析、回歸分析等。

3.5 專家系統(tǒng)法[11]

專家系統(tǒng)預(yù)測(cè)法是對(duì)數(shù)據(jù)庫里存放的過去幾年甚至幾十年內(nèi)每小時(shí)的負(fù)荷和天氣數(shù)據(jù)進(jìn)行分析，匯集有經(jīng)驗(yàn)的負(fù)荷預(yù)測(cè)人員的知識(shí)，提取有關(guān)規(guī)則，按照一定的規(guī)則進(jìn)行負(fù)荷預(yù)測(cè)的方法。對(duì)于突發(fā)性及節(jié)假日等非正常日引起的負(fù)荷變化脫離正常模式的情況，可由根據(jù)調(diào)度專家經(jīng)驗(yàn)發(fā)展而來的負(fù)荷預(yù)測(cè)專家系統(tǒng)來避開復(fù)雜的數(shù)值計(jì)算而使問題得到解決。這些系統(tǒng)有時(shí)非常簡(jiǎn)單，但也存在通用性較弱、缺乏學(xué)習(xí)能力等缺點(diǎn)。

3.6 模糊系統(tǒng)預(yù)測(cè)[12]

模糊控制是在所采用的控制方法上應(yīng)用了模糊數(shù)學(xué)理論，使其進(jìn)行確定性的工作，對(duì)一些無法構(gòu)造數(shù)學(xué)模型的被控過程進(jìn)行有效控制。不管模糊系統(tǒng)是如何進(jìn)行計(jì)算的，從輸入/輸出的角度看是一個(gè)非線性函數(shù)。對(duì)于任意一個(gè)非線性連續(xù)函數(shù)，都可以通過找出一類隸屬函數(shù)、一種推理規(guī)則和一個(gè)解模糊方法，使得設(shè)計(jì)出的模糊系統(tǒng)能夠任意逼近這個(gè)非線性函數(shù)，進(jìn)而利用該逼近函數(shù)進(jìn)行負(fù)荷預(yù)測(cè)。模糊負(fù)荷預(yù)測(cè)是近幾年比較熱門的研究方向，國(guó)內(nèi)外眾多學(xué)者在該領(lǐng)域做了較多工作，取得了不少成果。

3.7 聚類分析[13]

聚類是將數(shù)據(jù)分類到不同的類或者簇的過程，所以同一個(gè)簇中的對(duì)象有很大的相似性，而不同簇間的對(duì)象有很大的相異性。聚類分析的目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)。聚類方法具有非線性映射能力，能從大量數(shù)據(jù)中提取相似數(shù)據(jù)，進(jìn)而揭示氣候等各種影響因素與負(fù)荷的關(guān)系，有助于提高短期負(fù)荷預(yù)測(cè)的精度?，F(xiàn)階段聚類分析仍存在相似日劃分不科學(xué)及運(yùn)算復(fù)雜等問題。

4 綜合預(yù)測(cè)方法

綜合預(yù)測(cè)方法[14]主要應(yīng)用優(yōu)選組合預(yù)測(cè)法。優(yōu)選組合有2層含義：一是從幾種預(yù)測(cè)方法得到的結(jié)果中選取適當(dāng)?shù)臋?quán)重加權(quán)平均；二是指在幾種預(yù)測(cè)方法中進(jìn)行比較，選擇擬和度最佳或標(biāo)準(zhǔn)偏差最小的預(yù)測(cè)模型進(jìn)行預(yù)測(cè)。該方法的優(yōu)點(diǎn)是：優(yōu)選組合了多種單一預(yù)測(cè)模型的信息，考慮的影響信息也比較全面，因而能夠有效地改善預(yù)測(cè)效果。缺點(diǎn)是權(quán)重的確定比較困難，同時(shí)也不可能將所有在未來起作用的因素都包含在模型中，在一定程度上限制了預(yù)測(cè)精度的提高。

5 超短期負(fù)荷預(yù)測(cè)發(fā)展方向的探討

超短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)的經(jīng)典研究課題，隨著新形勢(shì)的不斷變化，其發(fā)展方向應(yīng)該重視以下問題。

5.1 在線快速精確預(yù)測(cè)

新形勢(shì)對(duì)超短期負(fù)荷預(yù)測(cè)功能提出了許多新要求，在電力市場(chǎng)條件下主要表現(xiàn)為自動(dòng)運(yùn)行與滾動(dòng)預(yù)測(cè)。具體是指在正常情況下超短期負(fù)荷預(yù)測(cè)系統(tǒng)無需人工干預(yù)，可以連續(xù)不斷地根據(jù)最新獲取的系統(tǒng)運(yùn)行數(shù)據(jù)進(jìn)行周期性的滾動(dòng)預(yù)測(cè)，只有當(dāng)預(yù)測(cè)誤差較大、需要人工處理時(shí)，才由預(yù)測(cè)人員進(jìn)行適當(dāng)調(diào)整。

5.2 綜合因素的考慮

電力系統(tǒng)超短期負(fù)荷預(yù)測(cè)的結(jié)果實(shí)際上受到很多綜合因素的共同影響。在超短期負(fù)荷預(yù)測(cè)領(lǐng)域，為進(jìn)一步提高預(yù)測(cè)精度，需要注意的影響因素主要包括氣溫、濕度、降雨、風(fēng)力、工作日/休息日、節(jié)假日類型及可預(yù)見的大事件等。處理方法可以考慮嘗試對(duì)歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，從多因素共同作用的結(jié)果中找出影響預(yù)測(cè)精度的主要相關(guān)因素。此外，對(duì)于一些新的相關(guān)因素，如近來在負(fù)荷預(yù)測(cè)領(lǐng)域中開始引入的溫度累積效應(yīng)，也應(yīng)考慮引入相關(guān)體現(xiàn)指標(biāo)，構(gòu)成對(duì)應(yīng)預(yù)測(cè)模型。

5.3 組合預(yù)測(cè)

考慮到單一預(yù)測(cè)方法存在的弊端，探索組合預(yù)測(cè)方法已經(jīng)成為國(guó)內(nèi)外學(xué)者的共識(shí)。組合預(yù)測(cè)的實(shí)現(xiàn)主要有2種途徑，其一是直接從預(yù)測(cè)機(jī)理的角度對(duì)單一預(yù)測(cè)模型進(jìn)行組合，通過單一預(yù)測(cè)模型的相互配合實(shí)現(xiàn)預(yù)測(cè)優(yōu)化；其二是將單一模型預(yù)測(cè)結(jié)果直接加權(quán)組合，通過權(quán)值的設(shè)置實(shí)現(xiàn)對(duì)預(yù)測(cè)結(jié)果的綜合判斷，得到預(yù)測(cè)效果較好的綜合模型，但權(quán)重如何確定仍有待解決。

5.4 概率預(yù)測(cè)

傳統(tǒng)的預(yù)測(cè)結(jié)果一般都是確定的，即明確給出一個(gè)數(shù)值，缺點(diǎn)是無法給出預(yù)測(cè)結(jié)果的波動(dòng)范圍。類似天氣預(yù)報(bào)中的降水概率預(yù)計(jì)，如能實(shí)現(xiàn)概率預(yù)測(cè)則更符合客觀需求。目前，在國(guó)外的一些預(yù)測(cè)方法中已經(jīng)開始體現(xiàn)概率預(yù)測(cè)的傾向，但是從目前的技術(shù)來看，各種預(yù)測(cè)結(jié)果的概率分布函數(shù)還是一個(gè)很難解決的問題。

5.5 原始數(shù)據(jù)的優(yōu)化處理

原始數(shù)據(jù)的準(zhǔn)確性是提高一切超短期負(fù)荷預(yù)測(cè)方法性能的立足點(diǎn)。從實(shí)際工作中看，采樣得到的歷史負(fù)荷數(shù)據(jù)常常含有異常值。這些異常數(shù)據(jù)主要包括兩類：一是由于人為或設(shè)備因素造成的錯(cuò)誤數(shù)據(jù)；二是數(shù)據(jù)是真實(shí)正確的，但是由于突發(fā)事件或特殊原因造成非規(guī)律性變化。在超短期負(fù)荷預(yù)測(cè)中，正確地識(shí)別并修正不良數(shù)據(jù)非常重要，目前這方面的研究雖取得了一些成果，但還需要進(jìn)一步提高實(shí)用性。

5.6 “重近輕遠(yuǎn)”原則的合理設(shè)置

預(yù)測(cè)中“重近輕遠(yuǎn)”原則是指：物理量未來的變化趨勢(shì)更多地取決于歷史時(shí)段中近期的發(fā)展規(guī)律，遠(yuǎn)期的歷史數(shù)據(jù)與未來發(fā)展趨勢(shì)的相關(guān)性較弱。為實(shí)現(xiàn)“重近輕遠(yuǎn)”原則，主要采用加權(quán)參數(shù)估計(jì)的方法，即對(duì)近期數(shù)據(jù)給予較大的權(quán)值，遠(yuǎn)期數(shù)據(jù)給予較小的權(quán)值。在超短期預(yù)測(cè)中，可以通過輸入?yún)?shù)的選擇來實(shí)現(xiàn)“重近輕遠(yuǎn)”原則，即選擇與預(yù)測(cè)時(shí)段比較接近的時(shí)段信息構(gòu)成主要的輸入?yún)?shù)。如何合理配置相關(guān)權(quán)值及輸入?yún)?shù)，這方面還需要進(jìn)一步研究。

5.7 充分考慮電力系統(tǒng)特色

在一些負(fù)荷預(yù)測(cè)研究中，將電力系統(tǒng)負(fù)荷數(shù)據(jù)當(dāng)作一系列純數(shù)學(xué)的數(shù)據(jù)看待，失去了電力系統(tǒng)的特色。要在預(yù)測(cè)中引入電力系統(tǒng)特色，就要從電力系統(tǒng)的實(shí)際出發(fā)，重視負(fù)荷發(fā)展的內(nèi)在特性和規(guī)律分析，從負(fù)荷構(gòu)成的物理機(jī)理入手，研究其變化規(guī)律。以小水電運(yùn)行方式對(duì)負(fù)荷預(yù)測(cè)影響為例，小水電有水發(fā)電、無水停機(jī)，在負(fù)荷預(yù)測(cè)中如果不考慮降水對(duì)小水電運(yùn)行的影響，單純依靠數(shù)學(xué)方法，其預(yù)測(cè)結(jié)果將產(chǎn)生較大誤差。

5.8 自適應(yīng)預(yù)測(cè)策略的開發(fā)

在實(shí)際工作中可以發(fā)現(xiàn)，相同的預(yù)測(cè)方法在不同的情況下預(yù)測(cè)效果會(huì)有變化。自適應(yīng)預(yù)測(cè)根據(jù)其所應(yīng)用的場(chǎng)合和最新運(yùn)行方式的不同，自動(dòng)進(jìn)行預(yù)測(cè)模型參數(shù)的調(diào)整，達(dá)到更好的預(yù)測(cè)效果，其本質(zhì)是一個(gè)根據(jù)預(yù)測(cè)偏差不斷調(diào)整模型結(jié)構(gòu)和參數(shù)的閉環(huán)反饋問題。從電力系統(tǒng)智能化發(fā)展的趨勢(shì)來看，自適應(yīng)預(yù)測(cè)需要予以充分的關(guān)注。

6 結(jié)語與展望

超短期負(fù)荷預(yù)測(cè)是實(shí)現(xiàn)電力系統(tǒng)安全、穩(wěn)定、優(yōu)質(zhì)、經(jīng)濟(jì)運(yùn)行的基礎(chǔ)，對(duì)電力系統(tǒng)來說，提高電網(wǎng)運(yùn)行的安全性和經(jīng)濟(jì)性，改善電能質(zhì)量，都依賴于準(zhǔn)確的負(fù)荷預(yù)測(cè)。在電力企業(yè)走向市場(chǎng)、電力市場(chǎng)日趨成熟的形勢(shì)下，超短期負(fù)荷預(yù)測(cè)在電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行中將會(huì)發(fā)揮越來越重要的作用。目前，國(guó)內(nèi)外學(xué)者就超短期負(fù)荷預(yù)測(cè)已研究出了許多方法，這些方法從簡(jiǎn)單到復(fù)雜，但每一種都有一定的適應(yīng)場(chǎng)合，并需要不斷的完善。實(shí)際應(yīng)用時(shí)，需要掌握待預(yù)測(cè)系統(tǒng)的實(shí)際運(yùn)行情況，細(xì)致分析負(fù)荷實(shí)際變化的規(guī)律和影響因素，才能最好地發(fā)揮各種方法的優(yōu)勢(shì)?？梢灶A(yù)見，隨著電力系統(tǒng)原始運(yùn)行數(shù)據(jù)的有效積累和科學(xué)處理，電力負(fù)荷預(yù)測(cè)技術(shù)與相關(guān)科學(xué)領(lǐng)域技術(shù)（如氣象、經(jīng)濟(jì)等）的交叉滲透，廣大電力工作者會(huì)對(duì)電力系統(tǒng)負(fù)荷預(yù)測(cè)有更加深入準(zhǔn)確的認(rèn)識(shí)，使電力負(fù)荷預(yù)測(cè)技術(shù)的研究取得更大進(jìn)展，電力負(fù)荷預(yù)測(cè)將更準(zhǔn)確更快捷。

[1] 康重慶，夏清，張伯明.電力系統(tǒng)負(fù)荷預(yù)測(cè)研究綜述與發(fā)展方向的探討[J].電力系統(tǒng)自動(dòng)化，2004，28（17）∶1-11.

[2] 牛東曉，曹樹華，趙磊，等.電力負(fù)荷預(yù)測(cè)技術(shù)及其應(yīng)用[M].北京∶中國(guó)電力出版社，1998.

[3] 汪峰，謝開，于爾鏗.一種簡(jiǎn)單實(shí)用的超短期負(fù)荷預(yù)報(bào)方法[J].電網(wǎng)技術(shù)，1996，20（3）∶41-43.

[4] 陸海峰，單淵達(dá).電力系統(tǒng)的遞推自適應(yīng)超短期負(fù)荷預(yù)報(bào)[J].電網(wǎng)技術(shù)，2000，24（3）∶28-31.

[5] 謝開，汪峰，于爾鏗，等.應(yīng)用Kalman濾波方法的超短期負(fù)荷預(yù)報(bào)[J].中國(guó)電機(jī)工程學(xué)報(bào)，1996，16（4）∶245-249.

[6] 吳勁暉.負(fù)荷求導(dǎo)法在電網(wǎng)超短期負(fù)荷預(yù)測(cè)中的實(shí)踐[J].中國(guó)電力，2003，36（3）∶31-32.

[7] 趙成旺，顧幸生，嚴(yán)軍.負(fù)荷求導(dǎo)法在超短期負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2006，18（5）∶5-9.

[8] REWAGAD A P，SOANAWANE V L.Artificial neural network based short term load forecasting[C].IEEE Region 10thInternational Conference on Global Connectivity in Energy,Computer，Communication and Control，1998.

[9] 邰能靈，侯志儉，李濤，等.基于小波分析的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2003，23（1）∶45-50.

[10] 劉敦楠，何光宇，范曼，等.數(shù)據(jù)挖掘與非正常日的負(fù)荷預(yù)測(cè)[J].電力系統(tǒng)自動(dòng)化，2004，28（3）∶53-57.

[11] RAHMAN S，BHATNAGAR R.An expert system based algorithm for short-termload forecasting [J].IEEE Transactions on Power Systems，1998，3（2）∶392-399.

[12] KYUNG-BIN SONG，YOUNG-SIK BAEK，DUG HUN HONG.Short-term load forecasting for the holidays using fuzzy linear regression method[J].IEEE Trans on Power Systems，2005，20（1）∶96-101.

[13] SFETSOS A.Short-term load forecasting with a hybrid clustering algorithm[J].IEEE Proceedings： Communications，2003，150（3）∶257-262.

[14] 丁巧林，潘學(xué)華，楊薛明，等.最優(yōu)組合預(yù)測(cè)方法在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J].電網(wǎng)技術(shù)，2008，32（25）∶127-130.