空间负荷预测(spatial load forecasting,SLF)是城市电网规划设计的基础,准确可靠的负荷预测结果对于城市电网规划设计有着重要的指导意义。与以往负荷预测相比,SLF的预测结果不仅包括负荷的幅值大小,还涵盖负荷的空间分布,因此能够为电力系统的规划和运行提供更加精确的决策依据。城市电网规划运行的过程,可分为不同的阶段,而不同阶段的负荷预测过程中,往往会遇到不同的问题,且如果仅仅在单一的负荷层级下进行预测是不能满足电网规划所有要求的,构建电力负荷的多尺度分析机制才是负荷预测可靠性的有效保证。为此,本文针对电力负荷在不同负荷预测阶段的预测需要,提出对应的解决方案,结合电力负荷的多尺度分析机制,用以提高负荷预测的精度,主要内容如下:提出了基于混合高斯分布确定元胞负荷合理最大值的方法,避免了元胞负荷中异常数据给空间负荷预测带来不利影响的问题,在历史负荷规律性分析的基础上,通过分析实测数据的统计特性与分布特性,探索各种异常数据的表现形式,结合实际负荷数据与无异常数据时负荷数据的对比,得到异常数据辨识指标,实现异常数据的辨识,剥离出对负荷预测带来不利影响的异常数据,确定了表现元胞负荷发展规律的合理最大值,提高了负荷预测的准确性与可靠性。提出了基于主成分分析与多变量模型的城市电网饱和负荷预测方法,避免了以往利用多变量模型进行城市电网负荷预测时,复杂城市化因素间的多重共线性影响预测精度的问题,该方法利用影响负荷变化的因素的相关数据,采用主成分分析法与多变量模型刻画电力负荷的发展趋势,并在此基础上结合Verhulst模型对该方法的应用范围进行拓展。该方法可充分挖掘并利用负荷与影响负荷变化的因素之间的联系,而不是利用原始电力负荷年最大值数据直接进行预测,同时避免了负荷影响负荷变化因素间的多重共线性问题,提高了数据的准确性与稳定性,降低了电力负荷年最大值数据的波动性对预测的不利影响。提出了基于粒子群算法的SLF多级协调方法,解决了多尺度空间分辨率下电力负荷的多级协调问题,在电力地理信息系统的基础上,进行电力负荷的多尺度分析,利用元胞负荷合理最大值的求取结果,着重考虑了空间负荷预测过程中,不同负荷层级下的预测结果间的不均衡现象,结合多尺度空间分辨率下电力负荷的多级特性,利用粒子群算法,实现了多尺度空间分辨率下多级负荷的协调,并根据多级协调的结果,重新完成了空间负荷的预测,得到更加精确的空间负荷预测的预测结果。