电力系统中长期负荷预测是电力系统规划建设的依据，其预测的准确程度将直接影响到电力系统的投资、电力网架和电力系统运行的合理性。尤其在我国电力行业走向市场化的今天，它所提供的未来的负荷数据，对电力系统的调度、运行和网络建设都是非常重要的。本文首先从负荷预测的概念出发，阐述了电力系统负荷预测的作用、特点和预测技术的发展以及国内外中长期负荷预测所用的方法和模型，分析了各种方法的优点和不足。在此基础上研究了：(1)一种新型的长期负荷预测方法：广义回归神经网络预测模型。考虑到长期负荷历史数据比较少，而广义回归神经网络学习速度快并且在样本数据较稀少时，效果也很好，其网络可以处理不稳定的数据，人为调节的参数少，只有一个阈值，因此采用广义回归神经网络预测长期负荷。应用本文所提出的广义回归神经网络预测模型预测了我国某地区的长期负荷，预测结果表明即使在训练集样本数据较少时，该方法的预测准确度仍然很高。(2)一种基于小波神经网络的月负荷预测模型。该模型融合了小波分析良好的时频局部化特性和神经网络的优点，较好的克服了以往神经网络结构设计的盲目性，具有较强的逼近能力、收敛速度快并且能有效避免局部极小值。由于月度负荷同时具有趋势增长性和季节波动性的二重特性，提出了将横向历史负荷和纵向历史负荷共同作为小波神经网络的输入神经元，同时反映波动趋势和增长趋势这两种不同的变化，使得小波神经网络输入神经元的确定更具有物理意义。应用小波神经网络模型预测了我国某地区中期负荷，预测结果表明该模型预报精度高，自适应性好，收敛速度也明显快于单纯的神经网络。