短期负荷预测是电力调度自动化系统中一个重要的任务,精确有效的预测可以为研究电力系统规划问题、电力系统经济运行及其调度自动化提供科学依据,本文针对电力系统短期负荷预测算法及应用展开了初步的研究。针对电力负荷是时间序列数据这一特点,提出一种基于时间序列挖掘技术的短期负荷预测方法。该方法针对现有预测基于独立时刻点分别建模,预测精度不高的问题,采用负荷序列预测法。以预测某段时间内的负荷序列为目标,分别在相应时段内建立预测模型,综合考察这段时间的负荷量以及变化模式,从而提高预测的精度。论文主要包含两个关键技术,即基于聚类的负荷序列分析和基于局部关联分类的负荷序列预测。在负荷序列分析研究中,首先针对负荷序列的高维性,使用基于特征点的时间序列分段方法进行降维,然后采用基于密度的层次聚类算法(HCD)进行聚类分析。聚类既可以作为发现相似用电模式、特殊用电模式,进行相关分析的工具,也可以作为进一步规则挖掘的预处理过程。在负荷序列预测研究中,首先采用分类精度较高的局部关联分类算法(CLAR)来挖掘影响因素与电力负荷之间的因果关系,将挖掘出来的规则存储在前缀广义表(RPG-List)中,节省存储空间同时提高规则匹配的效率,然后构造分类器,结合未来的天气条件等因素进行负荷预测。预测系统的实验结果表明,本文提出基于时间序列挖掘技术的短期负荷预测方法具有一定的实用价值,可以有效提高预测的精度和效率。