电力系统可靠性性能受系统负荷、元件可靠性性能、元件电气特性和网络结构等的影响。这些因素中，系统负荷具有明显的分布特性，用单一负荷水平（比如：峰荷、平均负荷）进行系统可靠性评估，将难以真实地反映系统可靠性水平。通过需求侧管理、储能等手段，可实现系统负荷率的变化，这将对给定时段内系统的可靠性性能产生较大的影响。因此，研究系统可靠性随负荷、负荷率的变化规律，以实现系统可靠性的快速评估，优化系统运行策略，提高系统可靠性，具有重要的理论意义和工程价值。本文受国家自然科学基金项目“电力系统可靠性非同调机理及非同调元件辨识研究”（50777067）等的资助，对系统负荷、负荷率与电力系统可靠性之间的相互影响关系展开深入探讨，取得的成果如下：结合支撑向量回归法（SVR，Support Vector Regression）具有求解小样本、非线性、高维数、局部极小点等问题的优点，带扩展记忆的粒子群优化算法(PSOEM,Particle Swarm Optimization with Extended Memory)具有搜索方向明确、收敛快以及粒子个体经验积累等特点，建立短期负荷预测的PSOEM-SVR模型。深入分析ε不敏感损失函数、惩罚因子c等参数对SVR模型精度的影响，应用PSOEM方法实现模型参数的优化计算。将该模型应用于某城市电网进行负荷预测，结果表明：PSOEM-SVR模型的预测精度优于传统BP神经网络等模型，其夏季、冬季负荷预测的最大绝对百分误差分别为2.24%和2.29%。该模型可为负荷率调整策略的制订、可靠性随负荷率变化规律等分析提供负荷预测的基础。分析发电系统、发输电组合系统主要可靠性指标，如：失负荷概率（LOLP，loss of load probability）、失负荷频率（LOLF，loss of load frequency)、失电量期望（EENS，expected energy not supplied），随系统负荷的变化规律，以拟合的规律曲线连续、光滑等为目标，建立系统可靠性指标随系统负荷变化的三次样条插值模型。通过插值边界条件、插值点导数等信息，即可求解该模型。结合该模型，可建立电力系统可靠性预测估计模型，以避免负荷变化时可靠性的重复评估，可为负荷率变化对系统可靠性影响的分析提供快速计算的基础。将该模型应用于RBTS、IEEE-RTS79、IEEE-RTS96等系统。算例表明：系统可靠性随负荷呈非线性的变化规律；当负荷变化时，可直接应用该模型预测估计系统可靠性，其平均绝对百分误差约2.0%。基于削峰填谷和等比例调整等负荷率调整策略，提出调整策略对应的负荷调整算法；基于此，建立系统可靠性指标随系统负荷率变化的样条插值模型。两种负荷率调整策略均针对给定时段（如一年或一天）内，在满足负荷电能需求下，调整负荷谷峰差及负荷曲线，即在系统平均负荷不变的前提下改变系统最大负荷及其他时段负荷，以达到提高负荷率的目的。应用RBTS、IEEE-RTS79等系统验证了模型的有效性。算例表明：随着系统负荷率的提高，系统可靠性呈非线性上升规律，即提高系统负荷率可提高系统可靠性；但是，当负荷率提高到一定程度时，系统可靠性的提高会出现明显的饱和现象。随着负荷率的提高，电力系统可靠性将得到改善，但其通常以牺牲系统运行的经济性为代价。因此，应综合计入负荷率的调整成本、可靠性效益等因素，确定电力系统运行的最优负荷率，以提高系统的可靠性和经济性。鉴于此，挖掘负荷率调整过程中电力系统可靠性、经济性的变化规律，基于系统峰谷差电价、停电损失等因素，建立最优负荷率的非线性规划模型，并应用黄金分割算法求解该模型。应用该模型对RBTS、IEEE-RTS79等系统的负荷率进行了优化分析。算例表明：通过负荷率的优化，可取得较大的经济效益；负荷调整策略对最优负荷率有较大影响。