▽Ci——前后两天第i时段云量的差分；
e——N(0， 
)。
表3 分段非线性回归模型参数表
3 预测效果验证
为了验证上述设计思想的可行性以及预测效果，我们建立了该系统的一个原型系统，对2007年4月10日～4月23日浙江省负荷分别采用本系统和采用基于日特征量的常规线性回归方法进行连续14天的实际预测，14天的预测精度比较表如表4所示。
表4 2007年4月10日～4月23日预测误差的比较
从表4中可以看出14天中本系统的预测误差均值和方差都低于常规方法，表现出较好的预测精度和稳定性。
4 结束语
随 着电力工业不断的发展，电力调度部门的数据库管理与维护技术日趋成熟，如何围绕电网的安全、稳定、优质、经济运行，建立基于计算机、网络通信、信息处理技 术及安全管理模式的浙江电网省地一体化的负荷预测分析管理技术支持平台，很有实际研究价值。浙江电网省地一体化负荷预测管理系统建成后，将实现浙江全网各 级调度部门的电力、电量需求分析与预测工作协调统一，彻底实现信息共享，实现信息标准化、自动化、科学化和敏捷化，使得全省的电力市场分析预测工作获得整 体水平上的提高，并为预测与决策人员提供一个完善的工作环境及科学决策工具。
参考文献
[1] 鞠平，姜巍，等.96点短期负荷预测方法及其应用[J].电力系统及其自动化，2001，22(11).
[2] A.Azadeh，S.F.Ghaderi. S.Sohrabkhani. Forecasting electrical consumption by integration of Neural Network，time series and ANOVA. Applied Mathematics and Computation，2007，186(2):1753-1761.
