电力负荷预测在电力系统以及用电单位的经济预算中是一项重要的内容。随着社会的现代化建设,用电需求量、最大负荷等都迅速增长。对于日负荷而言,一天内峰谷值差异变大,峰值点变多,这样就给电力负荷预测带来了较大的难度,特别是对于周负荷或者日负荷等短期负荷的预测。由于用电多元化导致了日用电曲线变动较大,所以以往的很多模型都慢慢的不再具有预测精度的优势,比如回归系数、时间序列方法等。目前神经网络由于其具有的学习能力,被很大部分的负荷预测文献所采用。但另一方面,电网系统具有显著的不确定性特征,而模糊推理在不确定性的描述和处理方面具有显著的优势。因此,模糊集与模糊推理的知识也被广泛的应用于电力负荷的数学建模。本文给出一种基于模糊推理的短期电力负荷预测多模型预测方法。该方法首先根据负荷曲线分布特点将一天24个小时分为多个时区。为了保证峰谷差异较大的各不同时间段预测的准确性,对每个时间区段建立一个形式相近但参数各异的负荷预测模型。根据负荷数据通过相似性查找等手段得到合适的负荷属性作为输入向量,然后用有监督的聚类分析得到经典的负荷模式子集,并用模糊推理对得到的经典负荷模式进行推理分析,形成模糊推理规则,最后解模糊化得出预测结果。由于本文采用了有监督的聚类分析与模糊推理相结合的方法,保证了数据分析中的学习能力和不确定性描述分析能力,能在局地短期负荷预测中具有较好的效果。第五章实际算例表明,基于模糊推理的短期电力负荷预测方法具有较强的实用性和准确性。