摘要：为了提高短期电力负荷预测精度，提出了改进的粒子群-模糊神经网络混合优化算法．用改进的粒子群训练神经网络，实现了模糊神经网络参数优化．建立了基于该优化算法的短期负荷预测模型，综合考虑气象、天气、日期类型等影响负荷的因素，利用贵州电网历史数据进行短期负荷预测．仿真表明，该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经网络方法，该优化算法克服了神经网络和粒子群优化方法的缺点，改善了模糊神经网络的泛化能力，提高了电网短期负荷预测的精度，各日预测负荷的平均百分比误差可控制在1．2％以内．该算法可有效用于电力系统的短期负荷预测．

关键词：短期负荷预测 预测精度 模糊神经网络 

单位：西安理工大学水利水电学院 西安710048 青岛科技大学高职业技术学院 青岛261000