采用电力系统短期负荷预测算法以及相关的仿真软件构建出负荷预测模型,并结合电力系统历史负荷数据对模型进行“学习”训练。该模型可用于对电力系统短期负荷预测,预测模型的准确性不仅对电力调度科学合理地运行和相关电力调度规划的制定具有重要的意义,也是电网系统安全可靠、节能经济运行发展必要的信息保障。目前,用于短期负荷预测的算法及其对应的数学模型有多种,但是传统的预测算法依赖于较为精确的数学模型,而在实际预测过程中一些影响负荷波动的特性参数通常采用恒值假定的方法,从而导致预测得到的负荷数据不能真实地反映出电力需求侧负荷的总体调度要求,在准确性、可靠性、和实时性等方面较差。随着电力建设的加速,现代电网在结构和功能等多方面也越来越复杂,且实际运行中需求侧负荷变化量具有多元非线性时变特性。模糊神经网络模型结合了神经网络强大的非线性数据样本智能学习训练和模糊逻辑优化优点,通过采用网络模型内部各层神经元间的模糊学习推理运算方法可获得高准确度的负荷预测数据。可视化函数编程软件Visual C++将基于模糊神经网络的负荷预测网络用于可视化信息传输,有利于提高模糊神经网络短期负荷预测系统的综合运行性能。对整个研究过程进行总结,论文所做的工作主要包括以下几点:(1)首先综述了电力系统短期负荷传统预测方法以及现代智能方法,在对上述各类方法进行比较的基础上,并考虑到短期负荷的非线性时变特性,选用模糊神经网络作为短期负荷预测模型的基本网络结构和内部运算准则;(2)简要介绍了神经网络和模糊逻辑理论的工作原理以及运算流程,构建了模糊神经网络负荷预测网络结构;(3)借助于MATLAB仿真软件平台,构建了三层四功能单元的模糊神经网络短期负荷预测模型。利用某电网3年内负荷历史数据对模型进行“学习”训练,根据预测后日负荷数据及其误差分析结果,可知其误差率可控制在3%以内,进而验证了本文所选用的模糊神经网络模型的可靠性与准确性;(4)将Visual C++可视化函数编程软件与MATLAB仿真平台相结合,构建了界面友好、操作方便、移植性强的模糊神经网络短期负荷预测系统的软件界面;(5)在对本文所构建的模糊神经网络系统软件进行分析的基础上,结合当前短期负荷预测研究的热点问题,指出了对本文模型进一步改进的技术措施和研究方向。