电力作为基础的生产资料,在国计民生中发挥着不可或缺的作用。精确的电力负荷预测是电能需求平衡的重要保障,只有保证电能供需平衡,才能有效保证电网安全稳定的运行。从长期来看,我国的负荷数据不仅有逐年攀升的稳定性,还有随机变化的不稳定性,是一个经典的灰色系统,可以采用灰色模型对其进行预测。然而,随着电力市场文化程度的提高,电力系统也变得复杂起来,中长期电力负荷预测对精度的要求忆经超出了传统灰色预测模型的能力范围,灰色预测模型需要完善和丰富。论文的主要工作如下:首先,本文详细的介绍了灰色系统理论,从建模机理对传统的灰色GM(1,1)模型进行了详细的研究,并指出了传统灰色预测模型在电力负荷预测中的弊端,引出下文对模型的改进。其次,本文对灰色预测模型的误差序列进行了分析,分析结果表明,大部分的误差序列处于上下波动的状态;训练样本波动大,或者有异常值时,预测结果不精确。针对第一个问题,本文提出了基于傅里叶误差修正的迭代灰色预测模型。新模型将傅里叶误差修正的灰度模型和新陈代谢机制相结合起来,既考虑到了误差的正负性,又遵循了基本的数据利用原则。针对第二个问题,本文提出了误差修正的等维信息递补灰色动态参数预测模型,该模型引入新的参数α对灰度参数a和u进行动态调整,调整时不仅加重了当前数据的权重,还在一定程度上降低了数据过度波动带来的误差,最大限度降低数值波动对预测结果的影响,提高了预测准确性。为了验证所提模型的性能,我们收集了武汉市各个地区近十几年的电力负荷数据,并根据预测时间整理为按年预测和按月预测。实验结果表明,本文提出的两种预测模型与改进之前的预测模型相比,在预测准确度上有较大的提升。