摘要：提出一种有效的组合预测新模型进行电力负荷短期预测。不同预测模型在不同情况下的预测结果和精度有所变化,因此组合预测模型的权重应随着预测情景的变化而变化。文中将原始负荷数据分为训练集、验证集和测试集3类,并选择4种单一预测模型,即自回归滑动平均（ARMA）模型、广义自回归条件异方差（GARCH）模型、人工神经网络（ANN）和支持向量机（SVM）分别进行模型预测。对于需要预测的负荷,根据历史数据,将一年的数据先按照季度分类,再分别按照月、日、小时,利用模糊神经网络（FHNN）将其聚类。根据不同单一预测模型在不同情景下的误差计算出组合权重,从而获得组合预测模型。算例分析验证了所提出的组合预测模型的有效性和精确性。

关键词：负荷预测 组合预测 自回归滑动平均模型 广义自回归条件异方差模型 人工神经网络 

单位：华北电力大学经济与管理学院 北京市102206