电力系统负荷预测是电网制定发电计划和电力系统发展规划的基础,也是电力系统安全运行的重要依据。随着电力改革的推进,价格竞争机制的引进对电力系统负荷预测提出了更高的要求。负荷预测有着长久的历史和成熟的负荷预测的理论及方法,但是有必要对现有的负荷预测方法加以改进以提高负荷预测的精度,进而满足电网对负荷预测精度的要求。随着用电信息采集系统的广泛建立,使得我们能够从用户侧采集大量的历史负荷数据,这些数据为我们在负荷预测这个场景应用新的预测手段和方法提供了基础。与以往传统的负荷预测建立在应用小规模数据的基础上不同,新的大量数据积累使得我们可以在应用规模庞大的历史数据针对不同用户进行负荷特征分析的基础上进而进行负荷预测。本文提出了基于一种基于数据挖掘技术和支持向量机的负荷预测方法,该方法在基于现有大量历史数据的基础上提出了支持向量机预测模型样本选取的新颖思路。首先采用层次聚类法对历史日负荷进行聚类分析,利用层次聚类得到的分类结果以及历史天气、星期类型、节假日类型等数据建立决策树,然后根据待预测日的属性在已建立的决策树中查询得到历史相似日并输入支持向量机建立预测模型,利用得到的支持向量机预测模型对待预测日的负荷进行预测。本文中验证新方法所用数据均为浙江省某地级市的历史负荷数据和历史天气数据。文中用新提出的方法对浙江省某地区的日96点负荷进行预测,并将该算法预测结果与传统的支持向量机算法预测结果进行比较,本文提出的方法解决了传统基于支持向量机建立模型训练时日期选取不能准确反映待预测日特征的问题,故本算法预测结果具有更高预测精度。基于将母线负荷预测结果累加可以消减预测误差的原理,本文提出针对地区负荷将各母线负荷单独预测,结果进行累加,进而消减预测误差,提高预测精度,同时文中也对基于母线负荷的综合负荷预测的优势及消减误差的原理进行了介绍。