我国电力供应高峰不足而低谷过剩的矛盾随着经济和社会的发展相当严重。而蓄冷空调系统在用电低谷时期蓄存冷量,在用电高峰时期释放所蓄存的冷量,具有良好的“削峰填谷”作用。然而水蓄冷空调系统需要根据第二天的负荷预测值来确定夜间的蓄冷量,以保证所蓄存的冷量得到充分利用并能满足逐时冷负荷的要求,因此负荷预测的准确与否就成为蓄冷空调系统能否正常运行以及能否达到“削峰填谷”作用的至关重要的问题。本文在总结前人有关负荷预测方法研究的基础之上,针对水蓄冷空调系统的负荷预测问题进行了深入研究。首先,本文分析了水蓄冷空调系统运行模式和负荷预测的重要性,确定了课题研究方向、研究内容和研究方法。接着对迄今为止已见发表的负荷预测的几种方法进行分析,经过比较认为用人工神经网络的方法对负荷预测进行研究最为适合,随后本文在BP神经网络模型原理、构建、训练及仿真理论的指导下,推导了BP网络的学习和训练规则,建立了基于人工神经网络的逐时负荷预测的数学模型,根据该数学模型运用Matlab软件编制了相应的程序,在此基础上搜集BP网络的教师样本对该网络进行了训练,并应用训练好的BP网络进行了负荷预测仿真验证。经过对预测曲线误差的详细分析,筛选出对负荷预测结果影响较大的5个输入参数,在基本不影响预测结果的基础上简化了网络输入,并用实际工程数据进行了网络可移植性验证。本人还利用VB可视化界面与Matlab程序进行串接,开发出简单易行的负荷预测软件。最后,在上述水蓄冷空调负荷预测方法研究的基础上,提出了水蓄冷空调系统优化控制策略的一种新思想,并结合实际工程探讨了这种控制策略实现的可行性。通过以上研究表明利用神经网络方法对水蓄冷空调进行负荷预测方法可行,结果符合实际情况,据此提出的优化控制策略运用到实际工程中将会对蓄冷空调系统的经济运行起到重要的指导作用。