电力工业是我国非常重要的基础工业,电能是日常生活中必需的能源,关乎着国计民生,是国民经济的命脉。近年来电力负荷预测不仅可以应用在电网高压侧负荷规划与分配中,而且为低压用户电能的监控、规划和电能的有效利用也可以提供依据。高精度的电力负荷预测是电力系统规划、市场交易、营销等部门工作的主要依据,对于制定经济优化的发电计划、合理分配电力能源、合理安排机组的运行、获得上网电价的优势、取得最大经济效益以及社会效益都有着十分重要的意义。所以研究高精度且实用性强的电力负荷预测方法对于电力市场化以及智能电网的发展都是非常必要的。虽然现在已经有大量的预测算法,但是对于他们中的大多数来说,它们都只是针对特殊的负荷模型而推导的一种负荷预测算法。而且对于大部分现存的模型来说,它们也没有理论上的依据来支撑算法可以保证预测误差的收敛性而达到足够的预测精度。在本文中,我们将轨迹跟踪理论引入到电力负荷预测中,根据轨迹跟踪理论建立不同的运动学模型,本文提出了两种负荷预测算法,即基于预测误差收敛性校验和轨迹修正的短期负荷预测和基于轨迹跟踪控制的短期负荷预测两种。本文利用李雅普诺夫稳定性理论证明了系统的稳定性和预测方法的误差可以理论上收敛至零从而保证了预测误差的收敛性,因而使得本文的预测算法更具有普遍性和鲁棒性。本文还采用了不同的数据集(欧洲智能技术网络(EUNITE)竞赛公开的负荷样本数据Load 1998和the Global Energy Forecasting Competition 2012数据集)来进行实验仿真,通过改变不同的预测视野,和常见的预测算法(ARMA--Auto Regressive Moving Average和BPNN--back propagation neural network)相比,结果显示了本文提出的算法具有非常好的负荷预测性能。由于本文提出的算法对样本数据的要求很小,所以计算速度也较其他方法快。