随着电力市场改革的不断深入,准确的短期电力负荷预测不但为电网的安全稳定与经济运行提供保障,也是市场环境下安排电量生产及供电调度的基础。由于电力负荷序列的随机性和周期性以及影响因素的复杂性,目前众多模型的预测精度还未达到电网所要求的满意程度,未来将会对电网运行的安全性、经济性、稳定性提出更高的要求,现代电力系统的发展必须要提高电力系统负荷预测质量,因此,需要探索更加简便高效、精度高的短期电力负荷预测方法。针对短期负荷序列的非线性、不确定性等特性,为了提高短期电力负荷预测精度,解决优化算法易陷入局部最优的问题,提出了一种结合基于群体适应度方差自适应变异的蝙蝠优化算法(AMBA)和小波神经网络(WNN)的短期电力负荷预测方法。该模型根据群体适应度方差以及当前最优解的大小来确定当前最优个体的变异概率并对全局最优个体进行高斯变异,对变异后的蝙蝠个体进行二次寻优。然后利用AMBA优化小波神经网络的网络参数,进而提高了小波神经网络的预测精度,加快了其训练速度。利用AMBA-WNN模型对山东电网某市进行短期负荷预测,实例分析表明,该模型能有效提高短期负荷预测精度,具有很好的实用价值。随着中国经济进入新常态,各种产业、环保政策深入推进,电力负荷呈现出增速减缓的趋势与波动特性,负荷增长趋势的变化造成中长期负荷预测的难度骤增,影响负荷变化的因素和影响效果也都发生了不同程度的变化。造成这一现象的原因,归根结底是由于经济、产业、环保等几个方面的政策变化对电力负荷产生了深刻的影响。然而,政策具有很强的不确定性,政策影响电力负荷的要素众多,且各要素之间的关系和电力负荷所受各要素的影响难以量化。因此,有必要系统化层次化地梳理政策因素下影响电力负荷的相关要素,分析其对电力负荷的影响机理并建立中长期电力负荷预测模型,对于指导新形势下的电力规划与负荷预测具有重要意义。当前中国电力负荷发展面临经济新常态、产业结构调整、节能减排等政策深入推进新形势。在此背景下,针对政策因素对电力负荷影响的多相关性、不确定性等特性,为了提高政策因素影响下的负荷预测的精度,解决政策因素模糊不清、量化困难、难以融入到负荷模型中的问题,提出一种考虑政策因素的中长期负荷预测模型。首先,通过分析各类政策对用电负荷的影响,构建了宏观与微观相结合、层次化的政策影响因素指标体系,系统地反映了政策对负荷的影响;然后,针对传统灰色关联分析模型对未来的电力发展形势考虑不足问题,通过主成分分析对因素指标加权平均,提出一种改进灰色关联分析模型实现各种政策指标对电力负荷影响的赋权,实现主观赋权和客观赋权相结合;最后,采用模糊聚类分析法预测政策因素影响下的负荷。所提模型能够较好地解决负荷的波动性给中长期负荷预测带来的困难,适用于政策变化背景下的中长期负荷预测。算例分析表明,相较于时序外推以及弹性系数等常规预测方法,所提方法具有较好的预测精度和工程应用价值。