随着社会经济的不断发展和进步,电力负荷预测在人们日常生活中有着举足轻重的作用,电力负荷的变化和性能是电力系统规划和运营中讨论的重要内容,科学的预测是正确决策的基础和保证。根据我国负荷数据的变化规律来看,是一个经典的灰色系统,所以本文基于灰色模型对中长期负荷预测展开研究。但是随着预测精度的要求越来越高,传统的灰色模型已经无法满足中长期负荷预测的要求,并且外部很多无法掌握的因素影响着负荷预测的精度,因此需要对灰色模型进一步探讨和改进,以满足预测精度的要求。本文首先分析介绍了灰色系统理论,通过对传统灰色预测模型GM(1,1)进行深入研究,指出模型本身固有的缺点导致在预测过程中存在的局限性,对传统灰色预测模型进行了改进。为了削弱原始数据中存在异常值的问题,提出两种对原始数据预处理的方法,增强了原始数据序列的整体趋势。针对大多数误差序列存在正负波动的情况,利用等维信息递补技术动态补充新信息,淘汰原始旧信息;运用傅里叶误差修正将预测值与原始数据之间的误差预测值叠加到预测值上,修正了与实际数据之间的误差,接着将两种结合起来建立基于傅里叶误差修正的迭代灰色预测模型,提高了预测精度。针对数据波动太大或存在异常值问题,引入新参数?动态调整灰色模型参数a和u,并且还适当增加了目标年数据的权重,提出了误差修正的等维信息递补灰色动态参数预测模型,不仅解决了数据波动太大而带来的误差,而且还进一步提高了模型整体的预测精度。为了验证两种改进模型的性能,分别用两个案例来验证改进后灰色模型的预测效果,分别利用传统灰色模型、时间序列法和灰色新陈代谢预测法与两种改进的灰色模型进行负荷预测对比。实验结果表明,本文提出的两种预测模型在预测精度上与传统灰色预测模型有较大的提升。