负荷预测是一个值得不断深入研究的课题。长期以来,国内外专家学者和电力系统负荷预测相关人员不断探索,形成了一系列的数学算法模型。由于负荷预测的数学理论核心是如何获得预测对象的历史变化规律以及预测对象与某些影响因素的相关关系,因此需要结合实际情况,对当地的负荷规律及其影响因素进行全面统计与分析,精心设计有效的负荷预测系统平台。论文对影响负荷变化的气象因素和其他相关因素做了细致分析,并以湖南省的电力负荷为例,解析了气象因素对电力负荷影响的四个层次;分析了考虑气象因素选择相似日的经典方法及其存在的难点,在此基础上,提出一种基于信息熵决策树和粒子群算法的相似日选择新方法,首先利用决策树算法对历史日进行自动聚类,然后确定影响负荷变化的日特征向量构成,并应用粒子群算法训练日特征向量各维的最优贡献权重,最后依据加权欧氏距离从决策树的分类结果中评价最优相似日。在合理选择相似日的基础上,将改进灰色模型应用于超短期负荷预测;改进灰色模型纵向预测一条近似负荷序列,再利用最新的横向历史负荷信息,对纵向预测的近似负荷曲线修正。纵向预测值能反映出总体的发展规律,而横向趋势外推修正又体现最新态势变化。纵向与横向相结合的预测方法弥补了各自单独预测的不足。论文以省地一体化负荷预测与管理系统的实现为背景,对负荷预测系统的功能模块、体系流程、网络、数据库进行了设计说明,并介绍了该系统的应用开发框架。该系统以负荷预测和负荷管理为核心,包括多种功能,能够满足快速发展的电力市场对于电力负荷预测高精度的要求。