随着居民生活水平的提高,空调数量逐渐增加,降温负荷呈现出逐年增长的趋势,构建模型对降温负荷进行合理有效测算将能够大幅度提升中短期负荷预测精度,并为电网运行安排提供一定的参考。基本负荷测算是降温负荷测算的基础,近年来受基础经济环境变化更为复杂等因素影响,基本负荷的时序分布特征发生了一定程度的改变,主要体现在月间差异变大,以及日内波动增强等方面。传统降温负荷测算方法难以适应这一复杂环境,测算存在较大局限性。基于这一背景本文针对基本负荷变化更为复杂的情况下对降温负荷进行有效测算及验证展开了相关研究。本文首先整理分析了负荷主要影响因素,着重分析了气象等对降温负荷影响较大的因素,典型负荷变化特征等。在此基础上,进一步分析了当前降温负荷测算工作所面临的复杂环境,具体分析了测算过程中基本负荷的月间差异过大及月内、日内波动问题,以及经济发展、极端天气对降温负荷的影响。其次针对基本负荷时序分布特征变化的问题,构建了基于支持向量回归-K均值聚类的降温负荷组合测算模型。该模型包括基于SVR(Support Vector Regression)-Winters的降温负荷一次剥离模型和基于EMD(EmpiricalMode Decomposition)-Kmeans的降温负荷二次剥离模型,分别解决了传统方法难以适应的基本负荷月间差异大及日内波动等问题。再次针对传统方法只能依据经验判断降温负荷曲线是否合理的问题,构建了基于负荷时序分布特征的二维测算验证及修正模型,包括基于时序分解及电量比较的降温负荷测算验证及修正模型和基于分位数回归的降温负荷概率密度测算模型,分别从降温电量偏差的角度、降温负荷时点概率密度分布角度验证降温负荷曲线的合理性。最后基于西北某省实际数据,运用本文提出的两大模型对该省降温负荷进行测算,并运用相应的测算修正模型进行验证及修正,结果表明本文提出的基于支持向量回归-K均值聚类的降温负荷测算模型对降温负荷测算面临的复杂环境有较好适应性,相对于传统方法,该模型精度更高。