短期负荷预测（STLF）是电力系统可靠和经济运行的一个关键问题。短期负荷预测通常由一小时到一周前的负荷需求预测组成。以前，由于短期负荷预测在基本业务功能的关键作用，如机组组合，经济调度，交换评价，定期维修和安全评估，使得大多数在短期负荷预测领域中的成果都集中在对系统总负荷的预测上。然而，今天，母线负荷预测的重要性也越来越明显，尤其是随着先进运行程序的引进，例如，安全约束机组（ SCUC ） ，并且在许多国家倾向于放松管制的进程。SCUC包含了在机组组合问题上的网络限制来获得经济上切实可行的生产调配，更确切的说是真正可行。SCUC的执行，例如，电力市场的独立系统运营商（ ISO ），要求母线负荷预测进行能流和可能的安全约束违反的测定，如传输流量和母线电压的限制。

母线负荷预测，也需要评估安全状态，即电力系统未来数小时和数天的稳定裕度。例如，电压稳定裕度（ VSM）取决于对选定负荷可能出现的情况的推测，包括负荷水平和分布情况[ 5 ]。在[ 6 ]中 ，辅助预测状态估计（ FASE ）已用于连续潮流，以确定电力系统在状态空间的负荷增加方向。然后，根据负荷预测的情况，来估计电力系统电压崩溃点。作为另一个应用，电力系统的充分评估在实际混合形式（发电和输电）中，需要母线负荷预测[ 7 ]。这项预测也需要预测在电力系统中传输的电荷和可能的阻塞。此外，母线负荷预测是必不可少的用于确定电力市场的能源价格的供给分析方法[ 8 ] 。

由于上述原因，一些研究人员在最近几年关注着这个课题。在[ 9 ]中 ，一种利用模糊系统和人工神经网络的混合方法，已经被提交用于母线负荷预测。Sinha和Mandal为母线负荷预测，提出了一种包括二阶条件的扩展卡尔曼滤波器（ EKF ）形式的动态状态估计方法[ 10 ] 。

他们还在状态估计预测步骤中加入了神经网络（NN）。然而，他们的方法的计算时间是非常大的，因此不能用于实际的电力网络的在线应用。作者试图通过在状态估计的筛选步骤中使用分层模型来解决这一问题，并在[ 11 ]中介绍了他们的做法。在[ 12 ]中 ，一种线性模型已经被提出用于配电网的母线负荷预测。这种模型涉及单独的客户群体的正常负荷曲线（状态变量）的测量。在[ 13 ] 中，周期时间序列母线负荷预测得的应用已被提交。此外，日负荷概况的聚类在本文中也做出了评估。