负荷预测是电力系统中一项重要的工作。由于电力系统负荷的复杂性，使得预测的精度很难达到电力部门的要求，研究开发有效的预测方法以提高预测精度一直是人们追求的目标。 本文研究电力负荷的预测问题。每天负荷随时间的不同而变化，负荷与时间构成了一个时间序列。本文考虑利用时间序列分析对日负荷序列进行预测。时间序列模型的构建有其自身的独特性，因为时间序列变量的预测不取决于其它的自变量，而是取决于其自身在过去的规律。也就是说时间序列建模就是获得事物随时间过程的演变特性与规律，或者可以理解为它的自变量是时间，影响因子只是时间。时间序列规律里除了内在的本质规律外，往往还夹杂着某种随机的规律。正是由于时间序列的这种特殊性，因此往往需要对原始时间序列进行预处理，得到规律比较稳定的时间序列。在电网负荷预测问题中，时间序列的规律会因类型日的不同而不同，如果把具有不同规律的序列样本放在一起去进行拟合，就不能发现真实的规律。 本文提出用组合模型FCM-SARIMA来处理负荷时间序列。首先建立FCM(模糊聚类)模型，对原始时间序列进行模糊分类。模糊C均值聚类是基于划分的一种聚类方法，该方法给出了每个样本和所有类的隶属度，然后根据最大隶属原则将其划分到该属的类别。通过对原始时间序列进行FCM聚类和隶属矩阵分析，分析出原始时间序列存在几个性质不同的时间序列。在此基础上，针对负荷时间序列有明显的周期性变化趋势，采用季节性自回归一移动平均模型(SAR]MA)对不同的时间序列进行拟合、预测，该模型能忠实地再现周期趋势，并能完整的反映序列间的全部联系。 试验数据分析表明FCM-SARIMA组合模型比起单用SARIMA模型能更好的捕捉时间序列的走向，有更高的预报精度。