负荷预测是电力系统规划、计划、营销、调度等工作的重要依据和基础，电力负荷预测在电力系统规划中的重要性和提高负荷预测精度的迫切性越来越受到高度重视。近几十年来，国内外的学者对负荷预测方法做了较充分的研究，为电力部门进行负荷预测工作时提供了科学的参考。在进行负荷预测时，需要根据不同样本特点选用合适的预测模型，从而保证负荷预测工作的顺利进行。本文首先分析总结了电力负荷预测的选题背景及其研究意义进行，在对负荷预测国内外研究现状的基础上，阐述了电力负荷预测的基本理论，综合分析了电力负荷数据的分类、特点及其内在规律，对负荷预测方法中的灰色预测模型GM(1,1)模型进行了了深入的研究，指出了传统GM(1,1)模型本身固有的的缺陷导致的其在实际负荷预测应用的其局限性，为了提高模型的预测精度和适用性，本文构建了改进的灰色模型，从原始数据预处理、初始条件改造、初值选取和模型参数优化四个方面提出了相应的改进方法，主要的工作如下：（1）对原始负荷数据预处理，针对原始数据误差提出了相应的数据修正的方法，并对预测日进行分类，削弱了外界干扰对负荷预测模型的影响；（2）改造初始条件，利用缓冲算子对原始数据进行处理，根据“新息优先”的原则，使处理后的原始数据序列更好地反应负荷未来发展的规律；（3）对于初值的选取，利用原始数列模拟值与预测值欧氏距离最小为约束条件优化时间响应函数，使原始信息得到更好的利用；（4）针对GM(1,1)模型背景值选取不当的问题，利用自适应粒子群优化算法求解背景值，优化了模型参数，进一步提高预测模型负荷预测值与实际值的拟合度。为了得到更加理想的预测效果，本文分别在实际应用中，针对短期负荷预测和中长期负荷预测的特点，在上述改进灰色模型的基础上：（1）建立改进灰色BP神经网络模型组合预测模型，利用BP神经网络预测模型非线性逼近、容错能力强的特点，较好地拟合了电力负荷用电量的发展趋势，大大提高了改进灰色模型短期负荷预测的预测精度；（2）建立改进局部残差修正的等维新息灰色预测，融合了GM(1,1)模型处理“贫信息”、“小样本”数据的特点，引入等维新息思想，保证预测模型能够充分地利用新信息，并采用局部残差修正预测模型，进一步提高了改进灰色模型中长期负荷预测的计算精度。通过实例分析，将改进模型与传统GM(l,1)模型进行比较，结果表明，改进后的灰色预测模型在短期和中长期负荷预测中计算精度进一步提高，具有良好的预测效果，验证了模型的正确性和适用性。