电力需求预测是电力系统规划与运行的重要基础工作,是电力企业制定购电和发电计划的重要依据,也是电网安全经济运行的重要保障。电力需求指标会受到各种因素的影响,知识发现理论和方法能够用来挖掘指标变化的内在规律及其与影响因素之间的相互关系,从而做出更加科学准确的预测。本文在电力需求预测方面做了如下研究:(1)研究并提出了基于三指标量的复合预测模型。三指标量即指标总量、指标增长量和指标增长率,将预测指标序列转换为三指标量序列,对每个序列进行独立分析并预测,然后再拟合成最终的预测结果,称之为复合预测。文中将电力需求预测划分为电量预测和负荷预测,并应用灰色关联分析对电量指标与影响因素之间的相互关系进行了分析。根据复合预测思想的设计了实现模型,即基于三指标量的电量复合预测综合模型。该模型借鉴了组合预测的思想,首先利用层次分析法针对三指标量序列分别进行模型评价和优选,评价的标准包括模型预测误差、模型拟合度、模型专家信任度和预测趋势可信度,之后研究了两种拟合方法,分别为基于预测有效度的拟合方法和径向基神经网络的拟合方法,并分析了两种方法的优缺点。通过实例分析,对比了综合模型相比传统模型的优势。复合预测方法能够通过对预测指标的多角度分析,获得更多有关数据变化的内在规律,从而做出更加科学的预测。(2)研究了综合利用多种数据挖掘方法进行短期负荷预测的方法。首先基于粗糙集对负荷的影响因素集合进行约简,以约简的影响因素集作为日特征集,之后利用模糊C-均值聚类方法对日负荷曲线进行聚类分析,将曲线形态最为近似的聚为一类,最后以日特征集代替对应的日负荷曲线,并计算每类的类中心。进行预测时,计算预测日的日特征集到各类中心的距离,距离最近的为预测日的归属类,从归属类中选取历史数据作为训练样本对BP神经网络预测模型进行训练。通过实例分析,该方法能够显著提高预测精度,并且能够适应一些特殊日期的负荷变化。(3)研究了协同知识发现在电力需求预测中的应用方法。协同知识发现能够融合用户驱动知识和数据驱动知识,使用户参与到知识发现的整个过程中,通过知识聚焦实现对知识的进一步挖掘,实现知识库的动态更新和知识的全面评价。文中提出了电力需求预测协同知识发现逻辑模型,充分考虑了电力需求预测的特点,主要实现对预测结果的综合评价,并在此基础上实现对预测结果的微调。(4)研究并开发了电力需求预测分析系统。系统应用了复合预测的思想,采用模块化设计,具有界面友好、功能丰富、分析全面、可扩展性强等特点,已经在河北省电力公司发展策划部成功应用两年多,并获得了河北省电力公司科技进步二等奖。