作为电力系统运行和规划的基础,负荷预测工作已经成为电网经济运行及其调度自动化的重要内容.随着中国电力事业的发展,负荷预测尤其是短期负荷预测越来越受到重视.然而,由于众多影响因素造成的负荷的复杂性和随机性使得短期负荷预测问题一直未能得到较好的解决.经过几十年的发展,人们提出了许许多多的短期预测方法,比如时间序列法、专家预测法、人工神经网络法等等,但没有一种普遍适用的方法能够精确地预测出不同地域不同时间的电力负荷.该文在探讨了电力短期负荷普遍存在的不确定性及规律性的基础上,分别对基于随机时间序列分析的经典预测方法,以及现代最具潜力的神经网络预测方法进行了深入的研究.论文首先总结了ARIMA线性模型预测的基本思想及详细过程,然后研究了BP网络用于短期负荷预测中面临的关键问题及技术难点.对神经网络预测器而言,提高预测精度的关键就在于输入特征变量的正确选择.该文依据负荷的周期性特点,采用频谱分析方法提取ANN特征输入,形成了客观的ANN建模方法.这样,应用人工神经网络进行短期负荷预测的工作就被分为两部分:负荷特征的频谱分析及基于谱分析结果建立ANN模型进行预测.该文设计的ANN预测方案采用快速傅立叶变换(FFT)进行负荷数据预处理,运用滤波算法及小时负荷曲线的频谱分析来研究电网负荷的周期性规律,据此确定ANN输入变量.基于以上思路构造的人工神经网络短期负荷预测方案被用来预测广东省网的日负荷,所得结果表明四季负荷的频谱特性具有明显差异,应采用不同的模型和输入变量进行预测,通过与ARIMA模型预测结果及其他普遍采用的ANN模型预测结果的对比,证实了所提方案的良好性能.