摘要: 由于电力市场实施需求响应政策，导致传统的负荷曲线发生一定程度的改变，对短期负荷预测造成一定的影响。为了提高短期负荷预测的精度，综合考虑相对湿度、需求响应以及温度等因素，构建考虑需求响应的BP神经网络的短期负荷预测模型。首先，根据经济学原理，构建价格需求弹性矩阵模型，计算需求响应度，用于分析不同峰谷电价差下用户的响应度。然后，构建BP神经网络预测模型并将需求响应、历史负荷数据等因素作为输入变量进行预测。最后通过某地电网实际负荷数据仿真分析，并与其他模型进行比较发现，将BP神经网络预测模型中引入需求响应因素可提高预测精度，证明本文所提方法的有效性。