电力负荷预测是电力系统运行和调度的基础,可以指导电力公司合理调配资源、保障电力供应的稳定性和可靠性。然而,电力负荷数据的特点包括高度非线性、时变性和不确定性,给预测带来了巨大的挑战。本研究利用模糊粒子信息化技术处理电力负荷数据,提高对电力负荷的超短期预测准确性,为了克服这些困难,本文采用了模糊粒子信息化方法对电力负荷数据进行处理,采用了三角隶属函数作为模糊化函数,能够有效处理非线性和不确定性问题。同时使用卷积神经网络(CNN)对模糊化后的电力负荷数据进行网络训练和预测。通过对模糊化后的电力负荷数据进行CNN网络训练,可以从中学习非线性和时变性特征,并通过网络预测模型来进行超短期的电力负荷预测。最后,本研究对CNN网络进行实验,通过对真实电力负荷数据的模拟和预测,结果表明,采用模糊粒子信息化处理和选取CNN网络在网络结构不同时,电力负荷短期预测结果有所不同。