1.一种超短期电力负荷预测方法，其特征在于，它包括以下步骤：

1)针对电力负荷有功功率P及其影响因素X1,X2,…,Xn进行等间隔采样，n∈[1,1000],采样间隔为τ，τ∈[0.1,100]分钟，采样时刻为t，t‑τ，t‑2×τ，…，t‑(m‑1)×τ，m∈[100,

100000]，得到(n+1)×m个采样值：X1(t‑M×τ),X2(t‑M×τ),…,Xn(t‑M×τ),P(t‑M×τ)，其中，M＝0,1,2,...,m‑1；

2)针对m个电力负荷有功功率采样P(t‑M×τ)，采用假近邻法估计电力负荷系统的计盒维数d，确定嵌入维度D，D∈[2d,10d]且D是整数；

3)基于样本内测试方法融合肘部法则确定随机嵌入数量为r'，r'∈[1,100000]，从步骤1)所述的(n+1)×m个采样值中随机选取D个采样值，选取r'次，得到r'组延迟变量组合，与电力负荷有功功率P(td)相对应的第i个延迟变量组合定义为其中：i＝1,2,…,r'，td＝t‑(m‑1)×τ,t‑(m‑2)×τ,...,t，延迟步长τ1∈[τ,(m‑1)×τ]、τ2∈[τ,(m‑1)×τ]、τD∈[τ,(m‑1)×τ]；

4) 采 用 神经 网 络 算法 ，拟合 每 一 个延 迟 变 量组 合到相应电力负荷有功功率P(td)的r'个映射ψi，其中，i＝1,2,…,r'；

5)测试r'个映射ψi的训练结果，得到r'个训练结果误差δ'l，由小到大排序，其中，l＝1,

2,…,r'，从中选取训练结果误差小于阈值δc1，δc1∈[0.0001,0.1]，且与δ'l相对应的映射ψ′i′，其中，i'＝1,2,…,r，r∈[1,100000]；

*

6)基于r个映射ψ′i′按公式(1)进行1步预测，得到r个t时刻电力负荷有功功率预测值及其预测误差δi'，由小到大排序，形成集合 其中，i'＝1,2,…,r；

*

7)基于公式(2)、公式(3)，得到t时刻电力负荷有功功率的最终预测值公式(2)和公式(3)中：ωi′是与误差δi′相对应的权重；j是中间变量；“exp”是以自然常数e为底的指数函数，“∑”是求和符号。