1.考虑光伏用户的馈线短期负荷预测方法，其特征在于，包括以下步骤：S1：采集光伏用户的发电负荷和用电负荷，形成负荷数据样本，具体包括以下步骤：S11：确定有光伏用户接入的馈线；

S12：对于光伏用户安装发电电能表和用电电能表，对传统用户只安装用电电能表；

S13：记录该馈线上发电电能表的发电负荷和用电电能表的用电负荷，形成负荷数据样本；其中，发电负荷属于光伏发电负荷，用电负荷属于传统馈线负荷；

S2：收集用户所在地区的自然气候数据，并对自然数据进行异常数据处理和归一化处理；所述自然气候数据包括但不仅限于温度、露点、湿度、压强、风速、太阳辐照度和天气状态；

所述的异常数据处理和归一化处理具体包括以下步骤：S21：对自然数据进行垂直处理：设置一个水平阈值，通过判断同一日的相邻时刻负荷是否超出阈值对样本数据进行正常或异常的区分，具体计算公式为：|L(d,t)‑L(d,t‑1)|>Hc(t)其中，L(d,t)表示第d天t时刻的负荷值，Hc(t)表示水平阈值；故得到一种采用变化量的平均值作为该阈值的计算方式，具体表达为：其中，T表示样本数据的总天数，由此去除同一日内的异常数据；

S22：对垂直处理完的自然数据进行水平处理：设置一个垂直阈值，通过判断同一时刻的相邻日负荷是否超出阈值对样本数据进行正常或异常的区别，采用公式为：|L(d,t)‑A(t)|>Hs(t)

如果L(d,t)>A(t)，则：

L(d,t)＝A(t)+Hs(t)

如果L(d,t)≤A(t)，则：

L(d,t)＝A(t)‑Hs(t)

其中，L(d,t)表示第d天t时刻的负荷值，A(t)表示所有天数在t时刻的负荷平均值，Hs(t)表示水平阈值；故得到一种采用变化量的平均值作为该阈值的计算方式，具体表达为：其中，T表示样本数据的总天数，由此去除某一时刻的异常数据；

S23：根据异常数据处理完的数据，将创建BP神经网络所需的数据变量进行归一化处理，具体公式为：其中，XG是归一化后的数据，X是原始数据，Xmax和Xmin是对应类型数据总样本的最大值和最小值；

S3：建立传统馈线负荷短期负荷预测模型，具体包括以下步骤：S31：将传统馈线负荷分解为趋势负荷和受气象因素影响负荷；所述趋势负荷为受配电系统整体负荷数据影响的负荷，即不会受到气象因素条件影响，剩下的负荷部分则属于气象影响负荷，具体表示为：L＝Lt+Lw

其中，Lt表示趋势负荷，Lw表示受气象因素影响的负荷；趋势负荷Lt采用简单d的线性关系对L进行拟合：Lt＝at+b

其中，t表示时间参数，a,b为线性方程系数，采用最小二乘法进行估计，即：在得到趋势负荷Lt，再用Lw＝L‑Lt得到受气象因素影响的负荷；

S32：利用相关系数法和趋势拟合法确定受影响的气象因素，具体为：利用相关系数法对气象因素进行筛选，皮尔逊相关系数法相关系数r的公式表达为：当|r|＝0时，表示x和y没有线性关系；当|r|＝1时，表示x和y为完全确定的线性相关关系；当0<|r|<1，表示示x和y有一定的线性相关关系；确定线性相关的气象因素后，利用趋势拟合法进行分析确定，具体为：2

y＝a+bx+ε,ε∈N(0,σ)

2 2

其中，ε表示随机误差，服从正态分布N(0,σ)，a,b,σ不依赖于x，并且a、b满足：由此获得x和y之间的线性回归方程为：

通过相关系数法和趋势拟合法，确定传统馈线负荷的受影响气象因素；

S33：用BP神经网络法建立传统馈线负荷的短期负荷预测模型，具体为：将当日传统馈线负荷、下一天的日类型和下一天的受影响气象因素作为输入变量，下一天的传统馈线负荷作为输出层的输出值，通过神经网络学习，建立起传统馈线负荷预测模型，具体过程为：其中，a1i为隐含层中第i个神经元的输出，i＝1，2，……，h，表示隐含层内有h个神经元；

pj为输入层的输入变量，j＝1，2，……，r，表示输入层有r个输入变量；w1ij为BP神经网络输入层至隐含层的连接权值；b1i为BP神经网络输入层至隐含层的偏置；f1是BP神经网络中输入层至隐含层的映射；

其中，a2k为输出层中第k个神经元的输出，k＝1，2，……，H，表示隐含层内有H个神经元；

a1i如上述为隐含层中第i个神经元的输出，h＝1，2，……，h，表示隐含层内有h个神经元；

w2ki为BP神经网络隐含层至输出层的连接权值；b2k为BP神经网络隐含层至输出层的偏置；

f2是BP神经网络中隐含层至输出层的映射；从而完成传统馈线负荷的短期负荷预测模型的建立；

S4：建立光伏发电负荷短期负荷预测模型，具体包括以下步骤：S41：按照步骤S32所述的方法，利用相关系数法和趋势拟合法确定光伏发电负荷受影响的气象因素；与传统馈线负荷不同的是光伏发电负荷直接与气象因素进行关联分析；

S42：按照步骤S33所述的方法，用BP神经网络法建立光伏发电负荷短期负荷预测模型；

将受影响气象因素作为输入层的输入变量，当日的光伏发电负荷作出输出层的输出值，完成光伏发电负荷短期负荷预测模型的建立；

S5：综合传统馈线负荷和光伏发电负荷的短期负荷预测结果，得到考虑光伏用户的馈线短期负荷预测结果，具体包括：S51：根据传统馈线负荷的短期负荷预测模型输出传统馈线负荷预测值；

S52：根据光伏发电负荷短期负荷预测模型输出光伏发电负荷预测值；

S53：将传统馈线负荷预测值、光伏发电负荷预测值按对应的时刻节点进行合并，从而得到考虑光伏用户的馈线短期负荷预测的预测结果。