电力负荷预测通过研究当地历史电力负荷情况,通过寻找其相互之间的影响关系,对未来的电力运行状态进行预测。电力负荷预测与社会经济发展、局势政策、季节气候等因素都有着很大的关联。电力负荷预测会影响到地区电力系统的规划和运行等方面。随着电力市场经济的发展,电力系统负荷预测对电价制定、电网的经济运行提供了重要依据。营口地区电力负荷预测起步较晚,早期的电力负荷预测使用趋势外推法和指数平滑法进行短期负荷预测,预测精确度较低,无法满足电力部门日常需求。而经过系统的分析,对营口地区电力负荷历史数据进行罗列统计,通过对比多种负荷预测方法,总结电力负荷变化规律,探究适合营口地区电力系统负荷预测的方法。神经网络和支持向量回归都可以对电力负荷进行预测,并且预测的结果可以指导实际电网运行。本文首先介绍了神经网络的概念和原理,重点研究了神经网络的模型结构,学习规则及训练过程。根据营口历年电力负荷数据,分析营口电力运行情况并进行训练。为了进行电力负荷预测对比,介绍了支持向量机的概念和原理,使用支持向量机进行回归预测。使用两种方法得到的电力负荷预测结果进行对比,分析两种方法的优缺点。与神经网络的预测结果相比,使用支持向量机回归的结果,泛化能力更强,在小数据量测试时效果更佳。而神经网络训练的模型,需要的训练时间更久,得到的结果有时会过拟合,但对于大数据量的情况下会有着更好的效果表现。在实际应用中,需要根据数据量的不同选择合适的回归预测算法。为了进一步降低预测结果的偏差和方差,使用集成学习和组合预测方法。