电力负荷预测是电力系统中调度、用电、计划和规划等部门的基础工作,能为电力系统中长期规划和短期调度提供有力的决策支持。近年来,随着我国市场经济的不断完善,电力工业逐渐过渡到市场化进程,对负荷预测的准确性、实时性和可靠性提出了更高的要求。本文针对不同时间尺度的电力负荷演化特性,通过识别中、长、短期负荷变化规律,提出了多种电力负荷确定性和概率性智能预测方法,建立了负荷综合预测系统。论文主要成果如下:(1)通过对中长期电力负荷发展特性的分析,揭示了负荷序列的变化规律,由此采用灰色预测、回归分析等方法,建立了年度预测模型和月度预测模型,取得了较好预测效果。(2)针对短期电力负荷的复杂特性,采用径向基神经网络预测模型和基于“虚拟预测”原理的综合预测模型对日负荷进行预测;分析了电力日峰荷序列的混沌特性及其与气象因素的关联特性,从而建立了日峰荷预测模型,利用日峰荷预测结果实现了对日负荷预测结果的修正。(3)通过对历史短期负荷预测误差特性的统计分析,对各时段负荷分区内预测误差的概率密度函数建模,提出了基于概率密度函数的短期负荷概率性区间预测方法,能获得不同置信水平下的概率性区间预测结果。该方法拓展了传统的确定性负荷预测方法体系,使电力系统决策人员能够更全面地认识到负荷可能存在的不确定性和面临的风险因素,从而及时做出合理的决策。(4)基于上述理论研究成果,针对华中电网负荷预测及报价决策支持系统的工程应用需求,开发了符合电网电力负荷特性的网络化负荷预测管理系统。测试结果表明,该系统的各功能模块均达到了制定要求,可投入运行。