- 文献综述（或调研报告）：
我国现阶段短期电力负荷预测的理论和方法已经比较多，短期预测法有回归分析法、时间序列法、卡尔曼滤波法、小波分析法、专家系统法、人工神经网络法、支持向量机、数据挖掘、模糊预测法、组合模型预测法。实践表明，没有一种单一的方法能够完全模拟出负荷变化的特性。因此，有必要对已有的负荷预测方法的特点和优缺点进行对比分析，从而为不同条件不同需要的地区的负荷预测提供方法选择的依据。本项目选择多选线性回归法和人工神经网络法进行研究。
- 多元线性回归
线性回归是通过数理统计，找到两种或两种以上变量的联系方式，从而建立数学模型。应用回归分析可以从一个或者多个自变量去预测因变量的取值。因变量一般是电力系统负荷，自变量是影响电力系统负荷的各种因素，如经济、人口、气候等，由给定的多组自变量和因变量资料研究二者之间的关系，形成回归方程。回归分析法方法简单、预测速度快、外推性好，对于历史上从未出现的情况有较好的预测性，辅助电力负荷控制和预测，提供科学依据。
文献[4]研究了全国用电量与人口增长和GDP增长的关系，建立了回归模型，为未来电网的规划提供部分依据。文献[2]介绍了一元线性回归模型、多元线性回归模型以及把非线性模型转为线性模型，和如何用回归方程配合人工神经网络模型进行负荷预测。
2.人工神经网络
人工神经网络是模仿人脑神经网络进行学习和处理问题的非线性系统。它由若干个具有并行运算功能的神经元节点及连接它们的相应的权值构成，通过激励函数实现输入变量到输出变量之间的非线性映射。由于人工神经网络在运用中表现出对大量非结构性、非精确性规律具有自适应功能，同时具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此备受人们关注，成为近些年来负荷预测领域研究的热点。不过，典型的人工神经网络存在着难以设置学习参数、收敛缓慢及收敛到局部极小，网络结构难以确定等缺陷。文献[12]讲述了基于LSTM递归神经网络的短期住宅负荷预测，试图解决单个住宅住户的短期负荷预测问题。
文献[6]介绍了基于人工神经网络的静态ZIP负荷模型，对日最大最小负荷进行预测，结果说明了静态负荷模型的可行性。文献[7]介绍了基于MATLAB神经网络工具箱的负荷模型预测，利用MATLAB工具箱编程，使网络训练程序比用其他语言编制的效率更高，训练时间更短。算例结果表明，基于 MATLAB神经网络工具箱的电力负荷组合预测模型简捷、实用。
参考文献：
- 王德文,孙志伟.电力用户侧大数据分析与并行负荷预测[J].中国电机工程学报,2015,35(03):527-537.
- 高磊.神经网络与线性回归的电力负荷预测[J].云南电力技术，2016（01）.
- 张素香,赵丙镇,王风雨,张东.海量数据下的电力负荷短期预测[J].中国电机工程学报,2015,35(01):37-42.
[4]彭鹏,彭佳红.基于多元线性回归模型的电力负荷预测研究[J].中国安全生产科学技术，2011,7（9）.
[5]肖白,周潮,穆钢.空间电力负荷预测方法综述与展望[J].中国电机工程学报,2013,33(25):78-92 14.
[6]李龙，魏靖，黎灿兵，曹一家，宋军英，方八零.基于人工神经网络的负荷模型预测[J].电工技术学报，2015,30（8）.
