电力行业在日常生活中承担着重要的作用，作为我国发展的重要方向之一，电力行业始终保持高速、稳定的发展。在大量历史数据的环境下，对数据进行相关分析、处理及预测，掌握其内在变化规律和发展趋势，对电厂发电量的计划安排、电气设备的检修维护以及电网的建设计划等工作可以起到重要的作用，因此得到一个准确的预测结果也就成为了能够确保电力系统规划、安全调度以及经济稳定运行的重要一环。本文主要就是研究利用大量历史数据进行电力负荷预测。
　　本文首先从变量数目的角度来分析，将用来进行预测的历史数据分为单变量和多变量两种分别进行相应模型的建立。在预测过程中，这两种模型所考虑的关系也是不同的，对于单变量的负荷预测模型来说，考虑到的关系是以时间占优为主导地位的多维数据间的关系，而对于多变量的负荷预测模型研究的则是多变量间的相关性。
　　在单变量负荷预测模型的研究中，本文根据电力负荷的特点，同时考虑历史数据的时间远近的影响，将电力负荷历史数据分为同期历史数据和近期历史数据两类单维数据。通过引入指数加权移动平均模型的权重分配手段对不同时期数据中所包含的预测值的信息进行划分，分别分析了适用于负荷波动平稳和较大时负荷预测的一般方法，建立了电力负荷的简单预测模型，再结合多维数据的处理方法，对这两类数据相应的预测值又进一步建立了电力负荷的组合预测模型。通过对某地区负荷数据进行预测及对比验证了该模型的可行性，且在精确度上有所提升。
　　在多变量负荷预测模型的研究中，考虑到多变量间的关系是模糊不明确的，因此利用模糊关系矩阵的形式对其进行表示。本文主要分为两个部分进行了模型的搭建。首先是在对数据进行模糊化处理的过程中，通过对信息优化技术进行改进，引入多变量的信息分配和信息扩散两种信息优化技术，对制定多变量间模糊关系的隶属度进行计算，从而得到相对应的模糊规则表，建立了适用于多变量的电力负荷预测模型，通过对某地区负荷数据进行预测及对比既验证了该模型的可行性，又在精确度上优于上述单变量的预测模型。其次，在这一模型的基础上，为对上述模糊关系矩阵进行优化处理，引入了差分进化算法并进行了选择策略上的改进，建立了最终的电力负荷预测模型。通过对某地区负荷数据进行预测及对比除了验证了该模型的可行性，精确度也有所提高，还在性能上有一定提升。