短期负荷预测是电力系统运行调度中一项非常重要的内容,可以经济合理地安排电网内部发电机组的启停,减少不必要的旋转备用容量,合理安排机组检修计划,保证社会的正常生产和生活,提高发电企业的经济效益和社会效益;中长期负荷预测是电力规划部门的重要工作之一,可以帮助决定新的发电机组的安装与电网的规划、增容和改建。针对电力系统中短期负荷预测问题,本文对负荷的组成和特性、负荷预测的方法进行了详细的分析和研究,利用Matlab软件进行算法研究,建立了中期负荷预测模型和短期负荷预测模型。采用灰色理论方法进行中期负荷预测。利用累加生成将看似杂乱无章的历史负荷数据列生成具有指数规律的数据列,对生成的数据列建立一阶线性微分方程模型,求解方程再进行累减生成得到预测值,在预测的过程中对灰色模型进行优化,在不改变原始数列维数的条件下,用预测数据代替最老的数据,实现了月负荷预测的滚动预测。经过实例验证,该模型所需数据少,预测精度高。采用遗传神经网络方法进行短期负荷预测。提出用自回归分析方法选取网络输入变量,用径向基函数作为隐含层激励,并采用自适应遗传算法优化隐含层和输出层的连接权值,避免了神经网络结构和权值确定的盲目性,使负荷预测在更加合理的网络结构上进行。在此基础上将对负荷影响很大的天气因素归一化后引入神经网络输入层,使得预测更加合理,更能适用于一般情况。通过实例验证并对比时间序列方法和支持向量机方法,证明了遗传神经网络方法能显著提高预测精度。基于上述研究结果,本文采用Visual Basic 6.0和Access 2000数据库作为开发平台,开发了电力系统中短期负荷预测软件。该软件具有操作图形化、简便、直观、交互性好、预测精度高、易扩展的特点。