短期电力负荷预测影响社会经济效益,是电网安全稳定运行的基础。随着电力市场的不断发展,人们对短期电力负荷预测精度的要求也越来越高。本文首先介绍电力负荷预测的背景、国内外研究现状以及课题的研究意义。为了解负荷变化的特点和规律,本文还分析了短期电力负荷的特性及其影响因素。由于短期电力负荷和各种影响因素之间存在强非线性的关系,本文提出基于支持向量回归(SVR)来建立短期电力负荷预测模型。虽然SVR在很多场合的应用都很成功,但它忽略了样本间局部变化的趋势,影响了预测精度。故此,本文提出基于局部支持向量回归(LSVR)的短期电力负荷预测模型,该模型通过捕捉个体间的局部变化趋势,有效提高预测模型性能。此外,由于在基于LSVR的建模过程中,关键参数的选取依赖于实验者的实际经验,所以难以取得最好的预测模型。为了进一步提高预测精度,本文提出使用粒子群算法(PSO)来优化LSVR中的4个参数,得到基于PSO-LSVR的预测模型。最后,本文使用杭州2009年和2010年的电网运行数据进行算法实验,分别建立基于SVR、LSVR、PSO-LSVR的预测模型,并进行仿真。通过仿真结果的比较,表明PSO-LSVR模型有效提高了预测精度。