智能电网是未来电网的发展方向,以自愈、安全、发电资源兼容、电力用户交互、电力市场协调、资源优化高效、电能质量优质、信息系统集成为主要特点的智能电网的实现,离不开精确的负荷预测技术的支持。电力工业的发展一方面直接制约着国民经济和社会的发展,正确的电力负荷预测即可以为国民经济的发展提供充足的电力,也可以为电力系统自身的发展提供帮助,特别是对于电力系统规划而言,准确的负荷预测是整个规划工作的基础和前提。本文致力于在智能电网环境下对负荷信号进行负荷预测的同时,增加预测结果的可靠性。系统阐述了小波变换和神经网络的基本原理,聚类理论和智能电网的基本概念。小波变换采用离散平稳小波变换,平稳小波变换具冗余性和平移不变性的特点,在时-频变换的过程中,避免了抽样处理时信号失真的问题。使用小波变换对负荷信号的降噪处理,是能够在对信号分类处理的同时,不改变信号的走势。在对负荷信号小波分解之后,使用统计学的方法,用概率论的方法来剔除不良数据。在负荷预测这个步骤,使用小波聚类对数据进行负荷分类,再使用Elman神经网络算法进行预测。由于通信网络的复杂性,有可能引入不良数据的干扰,本文对处理这个问题对负荷预测的影响,采用自动的不良数据辨识方法,即使用统计学的数学方法来解决,这是本文的第一个创新点。对于智能电网中,AMI的主要作用是提供一个智能平台,通过这个平台精确掌握负荷节点的特性,主要方法是使用小波聚类算法来进行负荷分类。这样做的目的是因为对于工业用电、农业用电以及普通民用电来讲,其电力负荷预测的结果是不同的,对电力负荷的节点进行分类和分别预测,则会大大增强负荷预测结果的准确性和可靠性。这是本文的第二个创新点。这种方法远远优于畅通负荷预测智能掌握整体负荷预测,而不能考虑实际不同用电对负荷的不同需求。经过大量的仿真验证了本文算法的有效性和可靠性,结果表明,利用WNN对负荷信号进行多层信号分解,对具有周期性的分量进行预测,结果是准确和可靠的,并且在负荷预测过程中,基于智能电网高级测量体系提供的海量数据支持,利用小波聚类方法,对负荷进行分类,为精准的负荷预测技术提供支持。这种方法是AMI负荷预测的可行性方法和发展方向之一。