一種通用負荷預測模型
電力負荷預測公式：
對于超短期負荷預測B(t)接近于線性(常數)
對于短期負荷預B(t)具有明顯的周期性
對于中長期負荷預測B(t)具有明顯增長趨勢的周期性變化
氣象因素：溫度、濕度、風力、陰晴等
負荷因素：空調等
負荷變化：分段線性
特別事件：重大政治活動，特別電視節目等
負荷分量：通過對典型日、相似日的積累；借助于人工修正。一般為一個常量
隨機分量模型V(t)
自回歸模型（AR）
動平均模型（MA）
自回歸動平均模型（ARMA）
累積式自回歸動平均模型（ARIMA）
時間序列法、線性回歸、指數平滑、人工神經元網絡方法、節假日預報法、多種算法的組合算法
可以分區、分類型進行負荷預測
相似日、同類型日、連續日；工作日、雙休日、節假日（可消除特殊事件的影響）
氣象因素、同類型日、節假日、同星期類型、連續日
算法選擇適合當地負荷特點，氣象數據輸入要及時、準確，注意檢查樣本數據 ，保證歷史數據的真實性、完整性，適當人工干預
