1、電力系統(tǒng)負荷預測的水平已成為衡量電力系統(tǒng)運行管理現代化的標志之一。尤其是準確的短期負荷預測更具有重要的意義。負荷預測的影響因素較多，既由負荷本身的歷史因素決定，還要受眾多非負荷因素的影響。非負荷因素中又以氣象因素權重最大。 負荷壞數據辨識是由負荷曲線聚類和壞數據曲線模式分類兩個順序的過程組成的；本文通過對Kohonen網的聚類和BP網模式分類的效果分析，設計由這兩種網絡組合而成的神經網絡模型，較好地完成了壞數據辨識的任務。

2、 本文討論了影響負荷的各種因素。建立了充分考慮各種因素的短期負荷預測模型，在輸入變量中考慮了臨近日負荷特點，以及各種氣象因素，對輸入負荷值進行歸一化處理，對溫度、降雨和光照等因素進行了量化處理。針對BP神經網絡由于初始權值選取不當容易陷入局部極小點的問題，本文將粒子群算法引入到網絡初始權值的確定中。與傳統(tǒng)神經網絡方法相比，本文提出的粒子群算法和BP神經網絡相結合的短期負荷預測模型可以加快網絡學習速度和提高學習精度。論文用粒子群算法來訓