作为国家能源战略的重要实施主体,电网承担着优化能源资源配置和服务经济社会发展的重要责任,随着我国国民经济的迅猛发展,全社会电力需求的与日俱增,“十三五”规划的大力推进,我国电网投资需求不断加大,准确有效的电网投资需求预测,不仅可以帮助统筹资金,合理安排电网建设资金的投入,减少资金成本,降低经济风险,而且可以有效改善电网企业的经营状况,这对于保障电网企业的稳健发展,推动电网企业投资规划建设进程,起到至关重要的作用。本文首先梳理并总结了国内外学者关于电网投资需求预测、数据挖掘技术以及预测技术的研究动态,并对我国电网投资需求的现状以及其常用的预测方法进行了详细阐述。然后,在查阅大量文献和征询业内专家意见的基础上,根据影响因素的选取原则,从宏观经济、电力需求、电网规模和电网效益等四个方面分析并初步选取了电网投资需求的影响因素,同时运用基于灰色关联分析和核主:成分分析相结合的影响因素挖掘算法(GRA-KPCA)对电网投资需求关键影响因素进行识别,得到预测模型的有效输入向量量。接下来,本文提出了一种基于智能挖掘算法的电网投资需求预测模型,即基于差分进化的改进灰狼算法优化支持向量机(DE-MGWO-SVM)的电网投资需求预测模型,该模型将差分进化算法、灰狼优化算法以及支持向量机三种算法有机结合起来,进行预测算法的二次优化,改进后的组合预测模型可以实现不同算法之间的优势互补,可大大提高预测精度。此外,本文对该模型的适用性进行分析,并将该模型与电网投资需求预测的常用方法——回归分析预测法、时间序列预测法、灰色预测法、人工神经网络预测法等进行对比。最后,本文以华东某地区电网为例,进行模型的实证研究,同时运用未经因素识别筛选的模型、未经多重参数优化的模型以及传统预测模型,对同一样本进行预测,并根据各个模型的预测结果进行对比分析,从而证明基于DE-MGWO-SVM的电网投资需求预测模型具有较高的预测精度。本文以数据挖掘为手段,以电网投资需求预测模型为研究对象,提出了了一种新型的基于数据挖掘的电网投资需求预测模型,并通过实证研究,证明了本文所提出的模型对于电网投资需求预测的有效性、适用性和优越性,为电网投资需求预测提供了新的方法。