本發(fā)明提出了基于互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解算法融合社會類因素的負(fù)荷預(yù)測方法，將社會經(jīng)濟(jì)類因素和社會政策類因素納入影響電力負(fù)荷的相應(yīng)特征庫，進(jìn)行數(shù)據(jù)預(yù)處理，將數(shù)據(jù)預(yù)處理后的特征變量數(shù)據(jù)通過隨機(jī)森林法(RF)進(jìn)行合理選擇，選擇出對電力負(fù)荷最重要的特征量。結(jié)合CEEMD法來分解所選訓(xùn)練集的電力負(fù)荷信號序列，自適應(yīng)分解得到若干個IMF序列成分和一個殘差序列成分，將電力負(fù)荷信號序列的IMF重構(gòu)為噪聲，周期和趨勢。針對重構(gòu)后的電力負(fù)荷IMF分量和新能源消納量IMF分量將其輸入到MKNN模型，并將輸出的相應(yīng)結(jié)果相加以獲得最終的預(yù)測結(jié)果，本發(fā)明有利于新能源合理消納，提高了考慮促進(jìn)新能源消納的調(diào)度可靠性。