负荷预测为了实现电网的规划合理、区域的供电平衡、电网的建设协调、电网的安全可靠,建立一个能够适应在经济高速发展下国民用电趋势的坚强电网。这一目标实现具有指导意义的是中长期电力负荷预测出来的相关数据,它在用电系统的经济性与可靠性上有着举足轻重的作用。中长期负荷预测具有受时间间隔、经济结构、政府措施、农业结构、人口结构等诸多因素影响的特性,将这些影响因素与现有的预测技术有机地结合起来是研究的重点。目前研究的预测模型可以分为单因素预测模型、多因素预测模型、组合预测模型,探讨这些预测模型的适用范围,确定符合云南省中长期电力负荷预测的模型是本文重要的研究内容。本文主要研究的内容:1、分析电力负荷预测的相关理论,包括电力负荷预测的作用、特点、原理、基本程序,误差产生原因、误差分析方法,针对影响中长电力负荷预测的因素收集云南省电力负荷预测的相关数据,为下文预测工作做准备。2、针对单一预测模型,分析灰色预测理论,从残差序列对GM(1,1)模型进行改进,建立残差修正GM(1,1)模型。灰色预测模型中背景值和边值选取特定值的不足,用遗传算法改进GM(1,1),建立基于遗传算法的GM(1,1)模型。与GM(1,1)模型、离散GM(1,1)模型、Verhulst模型预测结果进行对比,结果显示改进后的模型预测效果好,遗传GM(1,1)模型预测效果最佳。3、针对多因素预测模型,对传统BP神经网络进行改进,主要改进输出层的输入维度,用主成分分析法确立影响云南省负荷预测的主要因素,用BP神经网络训练,建立PCA-BP神经网络模型预测得到最终结果。改进的BP神经网络比传统的BP神经网络预测效果好。4、针对组合预测模型,分析了最小二乘支持向量机的机理,贝叶斯预测模型的建模原理,改进LS-SVM的核心参数,建立Bayes-LS-SVM预测模型,从预测的结果来看,组合预测模型比单一预测模型和多因素组合预测模型预测的效果更好。