电力负荷预测是电力系统规划的重要工作之一,准确的负荷预测是提高电力系统经济效益和社会效益的保证。 本文首先对电力系统中长期负荷预测方法进行了综述,在阅读了大量文献后,总结分析了现有预测方法的优缺点。并且对模糊聚类分析理论的基本原理和特点进行了详细的介绍,对其在电力系统中的不良数据辨识、变压器故障诊断、同调机组分群、无功电压分区、负荷特性分类、负荷预测等几个方面的应用进行综述。 将模糊聚类法与神经网络相结合,针对模糊聚类神经网络方法的特点、原理、算法和模型等问题进行深入的研究,并将其应用到中长期负荷预测中。参照负荷预测方法的相关规定和负荷资料的收集,将影响负荷发展的各种定性定量因素综合考虑。针对某一地区的负荷特点,建立了两种模糊聚类神经网络负荷预测模型。模型较全面的考虑了人口、经济发展、国民经济行业产值等影响电力负荷变化的相关因素,具有较高的准确性和较好的实用性。 电力负荷预测不准确的原因之一是由国民经济各产业与电力需求的关联分析不足而造成,而各行业用电量与总用电量无论是在电力系统规划中还是在电力市场中都是极其重要的。本文采用模糊聚类神经网络和灰色理论结合对各行业用电量与总用电量的关系进行深入的探讨,抓住对总用电量影响比较大的主要关联行业,在今后的负荷预测工作中,重点考虑这些行业的发展趋势,对于提高电力负荷预测的准确性、采取有效措施来缓解目前电力供应的紧张形势都具有重要意义,同时也为今后负荷预测的相关研究工作奠定基础。