电力行业是国家的基础行业之一,与国家的经济和社会的发展密切相关。短期负荷预测在电力系统安全调度中具有指导作用。电力市场化改革是我国发展的必然趋势和要求,电价市场化又是其中最重要的一步。在完全自由的电力市场运营模式下,实时变化的电价是影响负荷波动的重要因素,它增加了负荷预测的复杂程度,负荷预测的精度和速度将直接影响电力市场中运营商的经济成本。如今,尽管我国还没有实现实时电力交易,但通过学习其他国家成熟的电力市场机制并充分利用其数据,对实时电价下的短期负荷预测研究具有重要意义。首先,对历史负荷数据进行分析,发现在不同时间尺度下负荷波动都具有较为明显的规律特性,这些特性可以为准确地负荷预测提供参考依据。然后,研究了影响负荷波动的若干因素,采用最大信息系数分别对电价和历史负荷与当前负荷的相关性进行了分析,实验证明这两个因素对负荷影响较大,需要在预测时重点考虑。鉴于负荷具有较为明显的时序特性,本文选择在处理时序问题中获得成功的LSTM网络作为预测引擎,以电价、历史负荷、天气数据作为输入向量,通过两个LSTM隐藏层和全连接层建立短期负荷预测模型。为了突出关键因素对负荷的影响,以帮助预测模型做出更加准确的判断,算法引入了Attention机制,为LSTM网络的输入特征赋予不同的权重,构建了基于Attention-LSTM网络的短期负荷预测模型。以澳大利亚和新加坡真实负荷数据为算例,通过与基于SVM、RNN网络的模型进行实验对比,验证了本文模型具有更好的预测效果和更强的鲁棒性。为了提升负荷预测在生产计划、成本效益等方面的应用效果,本文又研究了概率性区间负荷预测模型。将历史负荷按照时段和负荷动态分区,对各分区内的负荷预测误差利用非参数核密度估计方法进行建模,在给定的置信度下,将确定性预测结果转化为概率性区间预测结果。实验表明,该方法具有较高的区间覆盖率和令人满意的区间预测结果。