电力负荷预测准确程度己成为衡量电力系统运行管理现代化的标志之一,电力系统的正确调度、规划和运行都离不开电力负荷预测,准确的负荷预测对电力系统的安全、可靠、经济运行起着十分重要的作用。本文分析了电力系统负荷预测各种方法的特点及适用范围,在研究人工神经网络和模糊理论的基础上,提出了一种将Elman神经网络与模糊理论相结合的短期负荷预测方法。方法对历史负荷数据进行了水平和垂直处理。重点研究了神经网络输入变量,因为它是影响预测效果的关键问题。神经网络的结构受输入变量的维数影响很大,本文将自相关函数的概念应用到了神经网络模型输入变量的选择中。通过对历史负荷进行特性分析,并结合自相关理论及近大远小原则,对输入变量进行了选取。方法分别用BP神经网络、RBF神经网络和Elman神经网络建立了短期日负荷预测模型。通过大量仿真研究,对比预测结果,最终选定预测效果较好的Elman神经网络与模糊理论相结合建立组合预测模型。利用MATLAB仿真软件,对实际地区级供电企业进行了短期日负荷预测试验,结果表明,与单一的神经网络模型相比,该方法在一定程度上提高了预测精度,尤其在对周末和节假日的负荷预测问题上具有显著优势。