摘要：研究了负荷时间序列波动性,考虑方差时变特征,提出了基于随机波动（SV）模型的短期负荷预测方法。引入伪极大似然估计解决SV参数估计问题,进而将模型转换为状态空间方程,利用卡尔曼滤波获取标准SV模型参数。另外,还将模型推广为非高斯假设SV模型。利用动态波动曲线的构建,讨论了负荷时间序列条件方差的时变性特征。基于日用电量数据建立了SV族日负荷预测模型,并利用平均绝对百分误差、均方误差、TIC 3种指标将SV族模型预测结果与广义自回归条件异方差（GARCH）模型做了比较,得到SV族模型的前2种指标均小于GARCH模型,而且SV模型的TIC指标更接近于零。算例分析表明了SV族负荷预测模型的可行性和有效性。

关键词：双伽马函数 厚尾 卡尔曼滤波 负荷预测 伪极大似然估计 

单位：江苏电力公司南京供电公司 江苏南京210008 东南大学电气工程学院 江苏南京210096