电力负荷预测是电力系统调度运营部门的一项重要工作,尤其是随着电力市场的建立和发展,短期电力负荷预测将发挥越来越重要的作用。基于对国内外的电力系统负荷预测方法的分析和研究,本文提出了基于广义回归神经网络(GRNN)模型的负荷预测方法。本文介绍了广义回归神经网络的基本理论,分析了其网络结构和训练特点,根据电力系统短期负荷特性,建立了反映负荷连续性、周期性及其负荷变化的趋势的样本,以此作为对GRNN进行训练的向量样本集。通过对样本数据的归一化处理、样本数据的优化选取以及调整平滑参数σ,以期得到更加准确的负荷预测结果。针对本文的GRNN网络实际应用研究,对齐齐哈尔和哈尔滨两地区进行短期和超短期负荷预测;同时针对齐齐哈尔地区,将一年中不同季节的温度因素考虑到输入变量中进行短期负荷预测,并将不同季节的预测值进行对比。由预测结果可以看出GRNN具有很强的非线性拟合能力和优良的负荷预测性能。仿真结果和对预测过程的分析表明,基于GRNN神经网络的负荷预测方法具有误差小、速度快等特点,GRNN网络应用于电力系统短期、超短期的负荷预测是可行并且有效的。