预测在决策环节中扮演重要的角色,时间序列预测更是电力系统规划、调度和控制等环节的坚实基础。未来智能电网和电力大数据时代的到来,以及电力系统的不确定因素的增加,都对电力系统时间序列的预测广度和精度提出了更高的要求。累积效应广泛存在于电力系统时间序列预测中。影响因素在连续几个时间段的累积效应使得目标参数的变化相对滞后于影响因素的变化。在时间序列预测中未考虑到累积效应的影响实质往往会导致较大的预测误差。针对以上问题,本文在时间序列预测中通过考虑时间序列变化过程的动态性,从而更真实地反映累积效应,提升预测准确率。本文具体研究如下:揭示时间序列特性、影响因素影响机理及累积效应影响规律,为时间序列预测提供基础。在对时间序列一般特性的分析中,揭示了时间序列的趋势性、季节性和残差等特性;在对电力系统负荷分析方面,结合实际负荷数据揭示了电力系统的年/月负荷特性、周负荷特性和日负荷特性,并通过相关性分析揭示了影响电力系统负荷的气象和日类型等因素;在电价分析方面,结合实际电价数据揭示了电价的波动性和周期性,并通过相关性分析揭示了影响电价的负荷大小和一次能源价格等因素。最后结合实例对累积效应对时间序列产生的典型现象和影响结果进行了分析,揭示了累积效应的一般影响规律。为了在时间序列预测中尽可能准确和真实地反映累积效应的影响过程,从而得到更好的预测效果,本文提出动态相似子序列法。通过加权和法和模糊聚类法将目标参数子序列和影响因素子序列的内部变化过程都纳入到相似子序列的选取规则中。根据动态相似子序列的变化来设计相应的预测算法,并将该方法应用于短期日平均负荷预测和日前电价预测,在对比试验中验证了该方法在时间序列预测中的准确性和有效性。在动态相似子序列法的基础上,提出时间窗长度可变的动态相似子序列法。通过对不同因素对时间窗长度选取的影响进行定量和定性分析,得到了实际情况中不同影响因素对目标参数产生的累积效应持续时间不一定相同的结论。该方法对不同的子序列进行最优时间窗长度的选取,并通过在短期日平均负荷预测中的测试与对比验证了该方法在预测精度方面的优势。本文围绕时间序列预测中影响因素对目标参数产生的累积效应展开研究,提出两种动态相似子序列预测方法。不同场景的对比试验表明,本文提出的方法可以提升电力系统时间序列的预测精度。