电力负荷预测对电力系统的安全经济运行起着重大作用。中长期负荷预测主要为电力系统规划部门进行决策提供数据支撑。中长期负荷预测的准确性直接影响着电网的改造和扩建的合理性、经济性,对电力行业的发展具有深远的意义。中长期负荷预测由于时间跨度大,且受经济、政策、人口增长等多种宏观因素的影响,其研究工作存在较大难度。综合目前已有的中长期预测方法来看,中长期负荷预测技术仍有很大的研究空间,有待于进一步完善。深入分析中长期负荷历史数据的变化规律,并将影响负荷的主要因素考虑进来,确定适合中长期负荷预测的模型是此课题的重要研究内容。本文首先对中长期电力负荷预测这一课题的背景及意义进行了阐述,并且对现在预测技术的发展态势进行了分析。其次主要对电力负荷预测理论进行了详细叙述,并对影响电力负荷预测的因素进行了探讨。鉴于中长期负荷预测的特点与灰色预测非常吻合,本文以灰色模型为基础对中长期负荷进行预测,并对灰色模型的建模机理进行了深入的研究。在灰色模型的选取方面,本文首先采用了的经典的GM(1,1)模型,由于中长期负荷受多种因素影响,本文又采用了考虑相关因素的GM(1,n)模型与GM(0,n)模型,并用灰色关联分析法对主要影响因素进行筛选。通过对这三种模型进行深入研究,并对预测结果进行分析,指出了各个模型的局限性。本文认为负荷实际值与三种模型预测值存在一种函数关系,由于BP神经网络非线性映射能力强,且具有很好的学习能力,本文采用BP神经网络来拟合这一函数,以改进预测结果。通过将三种灰色预测模型与BP神经网络进行特定的组合,本文设计了GM-NNC模型。然后又在GM-NNC模型的基础上融入了等维新息递补技术的思想,设计了RGM-NNC模型,它改进了模型历史数据不变的缺点,使新的数据能得到充分利用。本文采用Microsoft Visual C++6.0对两种设计的模型进行编程,通过实例对模型的预测结果进行验证,并用MATLAB2010b对结果进行仿真。结果表明改进的两种新型预测模型的预测精度确实得到了明显提升,适用于中长期负荷预测,具有实际应用价值。