小水电是分布式清洁能源的重要组成部分之一,它因投资低,周期短,维护简单,电价稳定等优点如今被广泛使用。在一些水资源较为丰富的地区,小水电的发电量较为充足,不仅能够满足当地的符合,还并入了大电网。但是,随着小水电的装机容量越来越大,其对电力系统,尤其是地方电网的影响也逐年增大。因其调节性能差,丰水期与枯水期的发电量变化差值大,发电的不稳定性使其造成了较高的管理难度。因此,根据水电当地的符合特征研究相应的负荷预测模型具有非常重要的现实意义。本文首先介绍了全社会用电负荷以及小水电发电负荷的影响因素,并通过不同因素方面对其进行了详细的对比分析,通过对全年数据的平均负荷以及相应的标准差、离散系数分析,为接下来进行负荷预测的数据处理、相关因素考虑以及预测模型的选择奠定了基础。随后,利用自组织特征映射网络实现负荷曲线特征聚类,对符合历史样本数据进行聚类分析并确定了四段分解的效果要比两段分解使数据更接近实际。最后,建立了负荷预测的模型,即采用组合预测的方法对小水电发电负荷进行预测,采用神经网络方法对社会负荷进行预测,再将两者的预测值相加得到最终的全网用电负荷,并以安徽省六安市2015年的数据作为样本,通过本文介绍的方法,利用MATLAB软件编程对其某天的数据进行负荷预测,得到预测值的误差相对较小,由此论证了本文方法的可行性。