电力负荷预测不但为电力系统的安全、平稳、高效运行提供保障，也是当地电力部门制定电价计划表、调度计划、供电计划以及检修规划的依据。基于电力负荷序列的混沌特性，论文引入混沌理论对电力负荷进行预测分析。混沌预测理论不单纯依赖于历史负荷数据，而是通过相空间重构，将电力负荷时间序列从一维空间拓展到多维空间，解析出更多相关因素对负荷数据的作用规律，因此预测更为准确。　　首先，论文阐述了混沌时间序列的相空间重构理论和混沌特征识别方法，为电力负荷的混沌预测提供理论基础。　　其次，针对噪声对电力负荷序列混沌特征识别的干扰以及混沌预测模型对噪声敏感的问题，论文提出双变量小波阈值去噪函数，这种改进措施有效克服了它们在处理小波系数过程中存在的缺陷，在短期电力负荷预测中使用，能较好排除无关因素对预测的干扰。　　再次，论文研究了混沌时间序列预测模型及改进方法。针对基于最大Lyapunov预测模型在电力日负荷预测过程中存在的缺陷，提出混沌预测改进模型，从三方面进行改进：引入微分熵法确定重构参数；引入夹角参数确定最邻近点；引入取舍规则确定正负号。通过对典型的Duffing、Lorenz混沌系统进行预测分析，验证论文改进模型可有效提高预测精度。　　然后，考虑到初值敏感性使混沌预测模型在成分复杂的时间序列预测中较难得到准确的预测结果，论文引入奇异谱分析(Singular Spectrum Analysis，简称SSA)技术，建立基于SSA技术的组合预测模型。通过SSA技术对负荷序列结构进行分析，将成分复杂、特征不突出的电力负荷时间序列分解成相对结构简单、特征明显、信息量集中的趋势、周期、随机分量。利用这些分量进行预测，有利于混沌预测模型更好的把握时间序列的未来发展趋势。　　最后，通过对几种典型混沌系统的数值验证和某地区实际电力负荷时间序列进行预测分析，证明了论文提出方法的有效性和高效性，为电力日负荷预测提供了一种新的有效途径。