电力负荷预测是电网管理部门一项主要的基础工作,负荷预测结果对于电力系统的安全和经济运行有着直接的影响。超短期负荷预测通常是指预测未来一小时内的系统负荷需求。超短期负荷预测常用于实时经济调度、自动发电控制和紧急状态处理,准确的负荷预测有助于保证电网安全、发用电平衡以及提高电网频率合格率。因此,超短期负荷预测的研究有着很重要的现实意义。本文对负荷预测和超短期负荷预测相关内容进行了介绍。首先,概述了负荷预测的分类、负荷的特点和负荷的模型。然后,详细论述了超短期负荷预测的主要内容,包括数据的预处理,预测样本的选择,预测方式以及常用的预测方法。最后,简要介绍了负荷预测误差产生的原因以及相关预测效果评价指标。针对超短期负荷预测周期短,要求预测速度快的特点,提出了一种基于稳健回归和回声状态网络的超短期负荷预测方法。回声状态网络作为一种递归神经网络,其隐含层为一个储备池,并且通过线性回归训练网络,从而具有映射复杂动态系统的能力和训练快速的特点,能较好地满足超短期负荷预测的要求。考虑到异常负荷数据的影响,将稳健回归运用于网络训练阶段,以削弱异常值的影响,从而提升预测的精度。依据超短期负荷预测的主要内容,从数据的预处理、预测样本的优化选择和预测算法三方面展开仿真分析与研究。考虑到训练阶段和预测阶段中异常数据处理时所具备的条件不同,对这两阶段分别采用不同的数据预处理方法。预测样本的优化选取,先基于形相似原则选取相似负荷序列,然后对其进行相关处理形成三种输入情况,根据相关性分析和仿真结果选择较优的网络输入。最后,在数据预处理和预测样本选择的基础上,将基于BP神经网络、最小二乘回声状态网络和稳健回声状态网络的三种超短期负荷预测方法进行分析和比较。仿真分析表明,基于稳健回声状态网络的超短期负荷预测方法具有较高的预测精度且训练时间短,是一种行之有效的预测方法。