负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因数,在满足一定精度要求的条件下,确定未来某特定时刻的负荷数据,其中负荷是指电力需求量(功率)或用电量；负荷预测是电力系统经济调度中和发电厂经济运行的一项重要内容。电力负荷预测分为经典预测方法和现代预测方法。经典预测方法主要包括：趋势外推法,时间序列法,回归分析法等。20世纪80年代后期,一些基于新兴学科理论的现代预测方法逐渐得到了成功应用。这其中主要有灰色数学理论、专家系统方法、神经网络理论、模糊预测理论等。但上述方法的应用,一般重点在电网侧,从数据获取上,需要获得研究的目标电网各发电机组的实时负荷和关键电网节点的潮流状况。对于发电企业而言,很难及时、准确的获得这些数据。本研究旨在找到一种在信息不完全对称的情况下,本文以线性外推法为基础,充分利用已经获得的实时负荷数据,发电计划和机组启停信息数据,对预测结果进行修正,尽量消除由于突发的意外因素造成的负荷预测值与实际值的偏差。该方法在保证运算速度的同时,提高了总体预测准确性和拐点处的预测准确性。就厂站侧而言,这种预测对于发电机组的预防性控制、经济运行、提高发电机组运行的经济性,降低度电煤耗,有重要的意义。本研究通过一段时期内对地处大连的某100MW以上容量的火力发电厂实时数据与预测数据相比较,证明该预测算法相对于传统的时间序列算法的优越性,以及在实际应用中的可行性。并通过Microsoft Visual Studio2005编程实现一个具有自动数据采集,自动计算的超短期负荷预测系统。