随着电力系统日益发展,母线负荷特征发生明显变化,对调度系统的决策提出更高的要求,亟需研究母线负荷运行状态及发展趋势。另一方面,可调资源无法有效进入电力市场,会导致资源浪费,为解决上述问题,本文主要从以下三个方面进行研究。首先,对母线负荷态势进行分析,将系统负荷态势概念和架构推广到母线负荷态势中,把母线负荷态势划分为表征其状态参量的静态势和表征其状态参量变化趋势的动态势,将母线负荷态势预测分为态势信息觉察、理解、预测三个阶段;针对态势信息觉察和理解阶段,构建了一种基于手肘法和最大最小距离算法的改进K-means聚类方法对母线历史负荷态势信息进行聚类分析。其次,对母线负荷态势进行预测,根据历史态势数据信息及聚类分析结果,建立费歇尔(Fisher)判别法模型,将待测日动态势数据代入模型,并采用Fisher判别分析准则对待测日态势进行分类预测,得到待测日母线负荷态势所属聚类类别,将该类别的历史母线负荷态势数据作为训练样本代入模糊神经网络(Fuzzy Neural Network,FNN)预测模型训练,得到待测日的母线负荷静态势预测结果;最后,构建了基于母线负荷态势预测的日前经济调度策略。针对母线负荷态势预测结果利用储能系统对其进行优化,通过某一地区内优化后的各母线负荷态势曲线,获取该地区的综合负荷,进而建立峰谷平电价成本和负荷聚集商(Load Aggregator,LA)补偿成本最小为目标的调度模型,算例仿真以LA单独参与到电力市场中和LA与峰谷平电价相互协调共同参与到日前电力市场中的这两种场景作对比,结果表明LA与峰谷平电价相互协调可以削峰填谷和降低弃风成本以及电力系统运行的总成本。本文针对母线负荷峰谷差越来越大、负荷率越来越低以及可调负荷无法有效参与调度系统的问题,对电力系统母线负荷态势预测及经济调度策略进行研究。算例仿真表明结果文中改进的k-means聚类算法和构建的调度模型可以有效提高母线负荷态势预测精度,降低电力系统运行成本,为调度系统决策提供参考。