摘要：为了提高短期负荷预测速度和精度，提出了将模糊聚类分析和神经网络代数算法相结合的短期负荷预测方法。综合考虑天气、日类型、历史负荷等对未来负荷变化的影响，通过模糊聚类分析选取学习样本，找出同预测日相符的预测类别，采用神经网络代数算法训练样本，对24小时负荷（24点）每点建立一个预测模型。该方法充分发挥了神经网络和模糊理论处理非线性问题的能力，提高了学习效能，而且克服了传统BP算法存在的缺点。算例分析结果表明该方法有较高的预测精度，取得了令人满意的结果。

关键词：短期负荷预测 模糊聚类分析 神经网络代数算法 反向传播算法 

单位：湖南大学电气与信息工程学院 长沙410082