摘要：传统负荷预测算法在历史负荷序列无不良数据的条件下已能对短期负荷做出较为理想的预测。由于实际负荷数据在监测、集抄、存储过程中难免会产生错误或有所误差，此时仍依靠传统预测算法进行负荷预测，可能在某些时间节点会引起较大误差。为了解决此问题，提出含有历史负荷序列不良数据辨识与修正能力且能对负荷进行相似度预测及负荷偏差纠正的预测模型。通过运用实际电力负荷数据进行验证，该模型能较好地避免了不良数据的干扰，有效地提高了含有不良数据的历史负荷序列的预测精度。

关键词：短期负荷预测 不良数据辨识 相似度 神经网络 

单位：许昌开普电气研究院; 河南许昌461000; 河南省继电保护及自动化重点实验室; 河南许昌461000; 许继集团有限公司; 河南许昌461000; 上海电力学院; 上海200090; 北京四方继保自动化股份有限公司; 北京100085