本文研究了模糊数学与现代优化技术应用于电力负荷预测的原理与方法，与传统回归理论相结合，建立了长期电力负荷预测的模糊线性回归模型。模型以人口、GDP、主要国民经济行业总产值等社会经济指标为自变量，以电量为因变量，较全面地考虑了各社会经济指标对电量需求的影响。用逐步回归法剔除模型中的弱相关自变量，用岭回归法修正奇异历史数据，进而运用最小二乘法求解回归系数。通过深入研究历史数据时间序列的特点，发现各不同时间点的历史数据对模型的影响程度呈现很大的差异性。据此，模糊自变量采用相对于模糊中心依时间序列渐增的线性隶属度函数。为了突出与电量强相关的自变量在预测值中的主导地位，引入回归权重系数，对常规模糊线性回归模型进行修正，进而提出了一种改进型模糊线性回归模型。在上述工作基础上，编写了完整的负荷预测程序，并将其应用于工程实际中。实际应用表明，改进型模糊线性回归预测模型预测结果优于模糊线性回归模型；它有效地减少了预测人员经验不足所带来的人为误差，提高了电力负荷预测的准确性和实用性。进一步研究表明，通用线性回归预测、逐步回归预测与岭回归预测之结果与实际数据的相关性存在较大的差异。据此作者进一步提出了一种综合最优模糊预测模型。综合最优模糊预测模型是在多种模糊预测模型的基础上的优化组合，充分考虑了被预测对象的多个发展方向及其约束，其拟合精度高于以上单一模糊预测模型。 本文采用模糊数学的方法，较好地解决了社会经济指标对电力负荷预测影响的不确定性，论文中所提出的改进型模糊线性回归模型以及综合最优模糊预测模型对于电力负荷预测问题具有较大的理论指导意义；通过深圳市电力负荷预测中的实际应用研究，证明本文成果有较好的实用性和较高的准确性，具有工程推广应用价值。