电力行业在国家运转方面扮演着重要的角色,它是关乎社稷民生的基础产业,在国家的安全稳定和社会的繁荣昌盛等方面都有着重要的作用。“十四五”以来,我国电力系统持续健康发展,并在结构调整中取得了新的成绩。随着分布式电源与分布式储能渗透率的不断增大,配电网综合负荷特性也愈加复杂,负荷预测难度不断增大。近年来,机器学习算法迅速发展,在负荷预测领域取得了较好的效果,现有负荷预测方法中考虑分布式电源与储能影响的研究较少,基于机器学习算法,分析综合负荷特性,建立考虑储能影响的配电网综合负荷预测方法具有研究价值。本文经过对含储能地区负荷特性的分析与综合负荷的模拟运行仿真,提出了基于变分模态分解和改进粒子群算法的门控循环网络,实现了考虑储能影响的配电网综合负荷预测,并取得了较好的预测效果。首先,本文以南方某省为例,依据历年电网负荷数据,分析其电网负荷特性的各项指标,以及近年来受到重视的负荷尖峰化问题,然后基于电网负荷特性优化的目标,为电网制定了不同的储能配置方案与储能控制策略,分析不同储能规划对地区负荷特性的影响,并验证其负荷特性优化效果。其次,本文搭建了考虑储能不同应用场景的地区综合负荷日运行曲线的模拟仿真模型,基于储能应用场景的梳理,重点针对储能在调峰、调频和平滑新能源出力等方面的应用,制定多种应用场景下的储能电站充放电策略,生成负荷密集地区考虑储能影响的综合负荷数据。最后,为兼顾预测精度与速度,本文采用门控循环神经网络作为负荷预测模型的基础,同时,为降低数据的复杂度,挖掘历史数据中不同时间尺度下的周期性特征,在变量输入预测模型前先进行变分模态分解,并用改进粒子群算法优化了超参数的取值,提高了含储能地区综合负荷的预测精度。