售电量是电网企业经营管理的重要经济指标,也是售电均价、财务收入、电网投资预算等一系列指标计算的基础数据。由于售电量受到诸多复杂因素影响,很难找到一种“放之四海”皆准的预测方法,既适合于任何地区又适用于各种情况。目前,关于售电量预测的研究有很多,常用的预测方法主要有灰色预测法和时间序列法两大类,但是这些方法在不同地区、不同售电结构和不同的用电负荷特性的售电量预测中存在一定的局限性。本文旨在研究适用于白银市月度售电量预测的模型,提高预测准确度,满足企业工作需要。结合白银市用电负荷特性,本文按照用电性质、执行电价和国民经济行业对白银市用电负荷进行分类,分析售电量变化规律。在此基础上构建了五种数学模型,通过分析比对仿真预测结果,选取灰色预测和人工神经网络组合方式作为基础预测模型,采用差分进化算法对灰色神经网络预测模型网络参数进行了优化,并将气象因素作为影响因子不断修正预测模型。为进一步提高预测模型的精度,充分考虑当地用电负荷结构特点,将K-means聚类算法应用到白银市负荷聚类中,将七类负荷聚为三类。在MATLAB平台上建立了白银市月度售电量预测模型,采用聚类后的售电量作为训练数据,通过与聚类前的预测结果进行对比,结果证明基于数据聚类的差分灰色神经网络预测模型,能够进一步提高该市月度售电量预测的精度。