电力负荷预测是电力系统日常调度中的一项重要工作。可靠的电力负荷预测对于保证电力公司的日常运作,改善居民日常生活水平、工业生产效能,保障我国经济高速发展有着重要的意义。高质量的负载预测模型是社会稳定、持续发展迫切需要的。而由于电力负荷的变化受到各类社会、自然、地域等复杂因素的共同影响,负荷预测方案和模型必须根据预测地区的特点因地制宜的设计。长沙市作为我国中部地区省会城市,气候有着明显的季节变化,主要体现在冬夏两季分明,即夏天多发高温连续酷暑天气,冬天多发冰冻、寒流天气。在长沙市现阶段的电力负荷预测研究与生产过程中,很少考虑气候变化对电力负荷变化的影响。本文通过分析长沙市电力负荷变化与气候变化的相关性,着重分析气候变化对电力负荷产生的影响,研究基于气象因子的电力负荷预测问题。本文以长沙市实际电力负荷与气象数据为基础,提出一种最优子集电力负荷回归预测模型,通过综合分析气象因子与电力负荷相关性变化趋势,提取实际对长沙市电力负荷变化的影响较大的气象因子特征,同时考虑到电力负荷的自身时序变化规律以及节假日对电力负荷的影响,提取实际对长沙市电力负荷变化的影响较大的时序特征,并采用多元线性回归算法和支持向量机回归算法对电力负荷进行预测。在此基础上,为了进一步提高SVR回归模型预测精度,针对SVR预测模型在数据集选取上的随机性可能导致的误差,本文提出了基于集成学习的Bagging-SVR算法和Boosting-SVR算法,通过弱化样本选取时的偶然因素引起的误差,来提高传统SVR算法的效果。并将其应用于长沙市电力负荷预测模型中,通过将实验结果与传统的SVR模型的预测结果进行对比分析,验证该方法的可行性,同时显著提升电力负荷预测的准确度。