周、月负荷预测对电力系统规划和运行是非常重要的。本文的目的是探讨如何准确的进行周负荷预测和月负荷预测。 本文较为详细的介绍了灰色预测技术和人工神经网络预测技术。在分析两种预测技术的优缺点后，针对它们的互补性总结出五种基于灰色系统和人工神经网络的综合模型：并联型综合模型、串联型综合模型、灰色系统辅助神经网络型综合模型、神经网络辅助灰色系统型综合模型和补偿型综合模型。 结合本文来源(河南省负荷预测项目)关于周、月负荷预测的相关要求，选择串联型综合模型进行建模。所谓串联型综合模型是指将不同灰色预测模型的预测结果作为神经网络预测模型的输入，利用神经网络强大的非线性映射功能在其输出端得到精度更高的预测结果。在灰色预测中通过对历史数据作不同的取舍可以建立不同的灰色模型，不同模型的预测值不同，因此预测结果是一个区间而非一个值。在此区间中找出一个预测精度最高的模型来比较困难，因为不同阶段最好的灰色模型并不固定，而且采用一种模型进行预测会产生风险，因为影响负荷变化的因素具有随机性。此时可利用神经网络良好的非线性映射能力对预测区间中的预测值进行最优组合。 通过对河南电网进行周、月负荷预测仿真，证明了串联型综合模型的预测精度明显优于分别用灰色模型和人工神经网络模型进行预测的结果。 最后，针对河南电网进行了周、月负荷预测软件的开发。