电力负荷是电力系统的重要组成部分,其建模工作一直是电力界公认的难题,受到国内外学者的广泛关注。负荷模型对电力系统分析和计算有着相当重要的影响,从而进一步影响到电力系统的规划、设计和控制。传统的静态负荷模型对电压变化的适应范围较小,动态负荷模型对负荷的时变性和非线性考虑不足。因此,针对传统负荷模型的不足,对静态负荷模型和动态负荷模型的建立进行了研究。首先,针对传统的静态负荷模型的局限性,采用基于分段三次Hermite插值函数的静态负荷模型。通过对实测数据的建模实例验证了基于分段三次Hermite插值函数的静态负荷模型具有更高的精度,对电压大范围变化时的仿真证明了分段三次Hermite插值函数模型有较强适用性。其次,针对电力负荷的时变性和非线性等特点,采用面向时间过程的思想用组合神经网络进行动态负荷建模。根据运行水平对过程进行初步划分,然后根据标准电压激励响应对初步划分的过程进行进一步细划或合并,以解决负荷的时变性问题,并利用精度较高且非线性映射能力强的组合神经网络对过程中的扰动数据进行建模,处理负荷的非线性问题。最后,通过对实测数据的建模确定了神经网络模型的结构,经分析确定用神经网络对有功功率和无功功率建模时,采用解耦模型会比耦合模型有更高的精度。并通过多组建模实例验证了采用面向时间过程的思想用组合神经网络进行动态负荷建模方法是可行与有效的。