电力是国民经济发展的基础性能源，对国民经济的发展具有关键性的支撑作用。我国正处于经济社会全面发展和调整时期，影响电力需求的因素复杂且不稳定，需要及时分析影响因素、调整预测方法，保障电力供给。基于此，论文改进传统的ISM方法用于从诸多电力需求影响因素中提炼出关键影响因素，并构建VAR模型和SVAR模型对电力需求影响因素进行定量分析，提出新的电力需求预测方法力求提高电力需求预测精度。同时，论文以山东省为例进行了相关方法的应用研究。论文主要的研究内容和创新性工作如下：　　首先，结合人际网络理论中的小团体分析法和结构洞理论改进ISM，利用人际网络的小团体分析理论进行聚类划分，以结构洞理论为基础挖掘聚类中的关键影响因素，从而克服传统ISM方法忽略各层级影响因素中关键因素的缺点，找出各个聚类中的关键影响因素。研究显示，经济发展迅速且发展模式不当，城镇化率和固定资产投资是影响电力需求的关键因素。　　其次，构建电力需求的VAR模型，检验GDP、产业结构、城市化率和固定资产投资与电力需求的平稳性和协整关系，确定影响因素与电力需求之间存在长期稳定关系。进一步，通过结构向量自回归模型来分析各个影响因素对电力需求的冲击效应及其贡献率水平。研究发现，在电力需求的冲击效应贡献率水平上，国内生产总值（经济发展）的贡献率水平最高，其他依次是产业结构、固定资产投资总额和城镇化水平。VAR模型检验和SVAR分析都证明，利用本文提炼的电力需求关键影响因素能够有效预测电力需求。　　最后，基于影响因素的分析，构建系统动力学电力需求预测模型，并用以预测和政策分析。同时，基于偏最小二乘(PLS)回归和模糊时间序列预测模型提出电力需求大时间尺度预测方法：以PLS回归分析克服影响因素的多重共线性，利用模糊时间序列大尺度预测不确定性较强影响因素的发展趋势，为电力需求精确预测提供因变量数据支持。以山东省为例进行实证研究，预测了山东省2014年-2030年的电力需求。　　总之，论文采用“关键影响因素定性分析——关键影响因素定量检验——多方法综合预测”逻辑，在探明电力需求系统影响因素结构和作用机理的基础上，实现电力需求的高精度预测。同时，论文指出，未来应进一步考虑新能源、碳减排和碳政策对电力需求的影响，并在智能电网和大数据背景下开展电力需求实时预测研究。