需求响应是电力需求侧在竞争电力市场中的发展结果,同时也是智能电网的重要组成部分,近几年越来越受到重视。随着需求响应在不同国家和地区广泛实践和应用以及智能电网下海量信息的获取变得更加容易,它们对作为电力市场分析及进行负荷管理的前提和基础的负荷特性分析及其短期预测也提出了新的要求,指出了新的研究重点。本文在对需求响应系统总结分析的基础上,考虑智能电网下需求响应及海量负荷信息对负荷特性分析及短期负荷预测的要求,在电力用户负荷形态分析、峰谷分时电价下用户需求响应建模及短期负荷预测方面进行了探索研究。负荷形态分析作为对海量负荷信息的处理手段,目前存在方法粗糙,对负荷曲线聚类数目往往需要根据经验预先设定等不足。本文在对聚类算法及有效性指标的研究基础上,实现了对行业典型负荷曲线的有效提取。本文利用模糊C均值算法进行负荷曲线聚类,有效性指标实现对大量负荷曲线聚类数目的判别及聚类效果的评价,为进行进一步的负荷特性分析提供了基础。某些用户负荷特性受电价影响较大,因此有必要对用户在峰谷分时电价下需求响应模型进行研究。本文针对用户在不同峰(平或谷)时段内对电价响应行为的差异性,提出了负荷转移调整系数这一概念,提高了现有模型的仿真精度。建立了基于消费者心理学的需求响应模型与电力需求价格弹性矩阵之间的数学关系,在此基础上提出了一种新的电力需求价格弹性矩阵的获取及实时修正方法,这种方法对数据量要求较低,回避了用户响应的死区及饱和区对矩阵准确性的影响。在以上研究基础上,能够实现对不同电价下用户负荷曲线的预测。在研究短期负荷预测模型时,本文采用负荷形态分析算法思想对历史日中的相似日进行有效选取,并对小波分解后子序列分别采用ARIMA模型及神经网络模型进行预测。为了提高对不同量级负荷的短期预测精度,本文提出了短期负荷预测的分层协调方法。即在对总负荷及组成总负荷的各子负荷历史预测精度分析的基础上,分配总负荷及各子负荷预测结果可信度权重。再利用状态估计思想,对总负荷及各子负荷的预测结果进行相互间误差协调,以提高总体及各子负荷的预测精度。