电力系统日负荷预测是电力系统调度运营部门的一项重要的日常工作，其预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。它的特点可以归纳为：要预测的数据个数多、影响预测的物理因素复杂且具有随机性。本文的工作包括日负荷历史数据的处理和预测模型建模理论研究两个方面。 首先，电力系统负荷是一个随机非平稳过程，其负荷观测值由于受到各种因素的影响，可能会存在某些“坏数据”或“不良数据”，这些数据夹杂在正常的负荷数据中参与神经网络的训练，严重影响了负荷预测的精度。本文利用统计学的方法，求出某段时间内负荷序列中的均值与方差，再利用偏离率的计算公式计算出负荷序列中每一点的偏离率，并与阈值相比较，从而除去“不良数据”，为准确有效地进行负荷预测提供了保证。 其次，将神经网络与模糊逻辑相结合建立了组合负荷预测模型，由神经网络处理历史负荷信息，既缩短了神经网络的学习时间，又避免了由于神经网络对其它信息的不敏感而造成的错误学习；而模糊逻辑则处理对负荷变化影响较大的气温、节假日等因素。根据负荷变化的具体特点，构造出这些因素的隶属函数和模糊规则库，从而用模糊逻辑实现对基本负荷分量的修正。与传统的神经网络预测模型相比，该组合模型充分利用了神经网络的学习能力，以及模糊逻辑对主观经验的吸收，能够