伴随着电力市场体制的改革,智能配电网迅猛发展,为了应对环境污染与能源紧缺的问题,响应国家大力鼓动发展新能源,太阳能作为清洁能源之一越来越引起重视,促使光伏发电在电力系统中逐渐被推广使用。当光伏发电技术被广泛应用后,配电系统将会引进越来越多的光伏用户,将致使原始的配电系统潮流方向和负荷分配发生变化。当在应用过去传统的馈线短期负荷预测措施展开考虑光伏用户的馈线短期负荷预测时,光伏用户生产的发电负荷所带来的间歇性和波动性等不良影响将会使馈线短期负荷预测结果产生较大的偏差。因此,对考虑光伏用户的馈线短期负荷预测进行深入研究是对传统馈线短期负荷预测的改进和优化,并且能够更好地协助配电系统完成规划、供电等工作,具有非常重要的现实意义。在诸多负荷预测方法中,人工神经网络算法能够自主适应于大量非结构性和非精确性的规律,同时具备强大的非线性函数拟合能力和学习能力,在配电系统的短期负荷预测中取得精确度较高的预测结果。因此,本文在人工神经网络算法的基础上对考虑光伏用户的馈线展开短期负荷预测的研究,提出了将考虑光伏用户的馈线负荷拆解为传统馈线负荷部分与光伏发电负荷部分,并分别选取各自最佳的人工神经网络算法进行短期负荷预测,再向量叠加合并得到预测精确度更高的考虑光伏用户的馈线负荷。主要工作如下:首先,运用配电系统中用电与发电潮流方向的不同,将考虑光伏用户的馈线负荷拆解成传统馈线负荷部分与光伏发电负荷部分,分别剖析两者各自的负荷特性并根据它们的周期性、季节特性判断短期负荷变化的影响因素。其次,利用皮尔逊相关系数法筛选出传统馈线负荷和光伏发电负荷的主要影响因素,并将它们作为人工神经网络算法预测模型中的输入变量。根据两者的负荷特性提出搭建考虑光伏用户的馈线短期负荷预测模型,由基于GRNN神经网络的传统馈线短期负荷预测模块与基于ELMAN神经网络的光伏发电短期负荷预测模块两大模块共同组成。最后,以广东省某地区某一考虑光伏用户的10k V馈线为例,将其负荷数据和对应的气象数据在MATLAB仿真平台进行实验仿真,结果表明拆解为传统馈线负荷部分和光伏发电负荷部分后分别展开短期负荷预测再进行两者数据向量叠加合并,所得到的考虑光伏用户的馈线短期负荷预测结果明显优于该馈线直接进行短期负荷预测的结果,最终预测精确度的提高证明了考虑光伏用户的馈线实施分解的有效性以及该预测算法的有效性。