准确的短期电力负荷预测,可以保证用户正常的生产和生活,有效降低了供电公司的发电成本,提高了经济效益和社会效益。随着社会的不断发展,售电环境逐渐放开,电价已经成为了影响负荷变化的主导因素。此外,供电公司希望增加与客户的互动,了解客户的用电行为,然而传统的负荷预测方法已经不再适用,如何确定一种既能提高负荷预测的精度,又能反映用户的用电行为的方法,应成为当下短期电力负荷预测研究的一个方向。本文从两个方面出发,一是关于开放售电环境下电价对短期电力负荷预测精度的影响分析,二是关于短期电力负荷预测精度与用户用电行为特征分类之间的关系建模。针对负荷影响因素,首先分析了影响电力负荷变化的因素,然后在考虑电价和不考虑电价的情况下使用同一种预测算法分别进行负荷预测,比较两种情况下的负荷预测精度。针对聚类数目对负荷预测精度的影响,本文首先进行了用户用电行为分析,构建用电行为序列,然后提取用户典型负荷曲线,根据典型负荷曲线对用户进行分类,在同一种预测算法条件下比较多分类的负荷预测精度。最后,采用葫芦岛地区的智能电表数据进行试验,针对聚类算法和预测算法对负荷预测精度的影响,分别建立了k-means和BP神经网络、k-means和OS-ELM神经网络、Kohonen和BP神经网络、Kohonen和OS-ELM神经网络这四种模型,利用这四种模型分别进行负荷预测,试验结果表明,该方法能够深入的挖掘用户的用电行为,揭示了用户聚类数目与系统负荷预测精度的关系,能很好的满足系统短期负荷预测的精度要求。该论文有图25幅,表10个,参考文献56篇。