电力负荷的日峰、日谷分别对应一天中电力负荷的最高与最低水平,研究其预测问题对于电力系统消峰填谷和降险增效的结构优化具有重要意义。本文研究电力系统日峰、谷负荷的预测问题,给出一种基于SOM神经网络聚类和模糊综合推理的预测方法,并通过对DOM公司供电地区的日峰、谷负荷预测实例分析验证了方法的有效性。首先,通过对日峰、谷负荷特性进行挖掘分析发现日峰、谷负荷均具有明显的季节性特点及年拟周期性变化趋势。然后,通过统计分析,选择日最高温度、日平均温度、日最低温度、露点、日峰(谷)负荷出现时刻、日峰(谷)负荷等负荷相关因素作为预测输入变量,并借助DB指数评判聚类的有效性,利用SOM神经网络对近三年的历史日进行聚类分析。其次,利用模糊贴近度衡量待预测日的输入向量与相似历史日的输入向量的模糊相似程度;随后,利用归一化的信息增益设计输入变量的权重,进而计算历史日输入与待预测日输入之间的模糊综合相似度;另外,利用相似度阈值筛选相似历史日,并利用模糊推理方法综合各相似历史日的峰(谷)负荷,确定日峰(谷)负荷的模糊预测值。最后,利用重心解模糊化方法得到待预测日峰(谷)负荷的确切预测值。为了评判本文基于SOM神经网络聚类和模糊推理的预测模型的有效性,选择平均相对百分比误差及后验差比值作为评价指标,对其预测结果进行评估分析。结果表明,新模型可以达到较好的预测效果。与经典的Mamdani模糊推理方法相比,基于本文模型的日峰、谷负荷预测的平均相对百分比误差分别降低了 6.67%、7.93%。