负荷预测是电力系统调度、用电、计划和规划等管理部门的重要工作。而负荷变化受社会经济、政策、天气和人们生活生产等多种因素的影响,具有时间、地区、发展和分类变化差异等显著特点。如何有效高质量地进行负荷预测一直是电力生产部门以及相关学者的重点关注内容。现有研究主要集中在地区综合负荷的预测方面,缺少对分类负荷预测的研究。这不仅影响了负荷预测的精度,而且还影响了用电部门对分类负荷的有效管理。论文结合重庆市电力公司城区供电局的实际课题《分类负荷售电量预测系统的开发研究》,充分利用该供电局长期积累的分类负荷月售电量与天气数据,对中长期分类负荷预测的模型与方法进行研究,并进行了软件系统的初步开发。显然,论文的研究具有重要的理论与工程应用价值。论文的主要研究成果如下:论文介绍了BP神经网络的基本原理及其在分类负荷预测中的应用方法,详细分析了天气、时间、经济和负荷突变等多种因素对分类负荷变化的影响特点,提出了异常数据的预处理方法以及温度数据的模糊化方法,为分类负荷预测的神经网络样本模型的合理建立打下了基础。论文首先根据电价、用电性质和月售电量数据来源的不同,将重庆市城区供电局的综合负荷分为九大类。然后充分考虑每类负荷受时间、天气和负荷突变量影响的具体特点,来建立其神经网络预测模型。最后通过多种样本输入的组合与仿真对比分析,以确定合适的分类负荷神经网络预测样本模型。基于Matlab环境,论文初步开发了城区供电局分类负荷售电量的预测软件。该软件基本能够满足用户对分类负荷月售电量数据的录入和神经网络预测结果的查询需求。