随着第三次革新浪潮的到来，人们的用电量日益增加，为了满足日益增长的电力需求，必须不断的扩大电力系统的规模，中长期电力负荷预测是电网规划的基础工作，是电力系统规划决策、经济运行的前提和基础，准确的电力负荷预测可以为电力工程建设提供有力的数据支持，对电力系统安全经济运行和国民经济发展具有重要意义。由于负荷预测的影响因素众多，导致负荷预测存在大量随机性和非线性关系，建立单一的负荷预测模型很难获得满意的预测结果。因此，结合多种方法来进行组合预测是未来负荷预测的发展趋势。本文采用改进的粒子群算法在电力负荷组合预测中的应用研究，主要做了以下几个方面的工作：第一，分析电力负荷预测研究意义、研究背景和国内外的研究现状，紧接着阐述了电力负荷特性及预测原理。第二，分析粒子群算法的起源、原理和流程以及各参数对算法的影响，虽然粒子群算法性能优秀，但是它在算法后期易陷入局部最优，针对这一情况，本文采用了改进的粒子群算法（线性递减惯性权重法），然后将改进的粒子群算法引入到电力负荷组合预测中。第三，研究选择改进粒子群算法求解电力负荷组合预测模型的缘由，在这基础之上，本文使用几种不同的预测方法分别建模进行预测，然后有机地结合各单个预测模型建立组合预测模型,再用改进粒子群算法对组合预测模型进行优化，并用Matlab对各种单一预测模型和本文所建的组合预测模型进行仿真实验研究。通过比较发现，应用改进粒子群算法优化的电力负荷组合预测模型，预测负荷的相对误差较小，可有效地提高负荷预测精度。因此，本文的研究将有利于提高电网运行的安全性和可靠性，有助于电网的科学规划和电源建设，降低发电的能耗和成本，以极大地提高电力系统的社会经济效益和用电的可靠性。