随着我国国民经济的持续增长，地区用电负荷的逐年增加，特别是人民生活水平的不断提高，以空调负荷为代表的季节性负荷逐年增大，对电力系统的影响也越来越大。由于这类负荷对于气候变化比较敏感，具有较强的随机性和突发性，因此对电力系统的合理调度以及电网的稳定运行都会造成不利影响。如果能事先准确的预测出季节敏感负荷，了解该地区的用电情况，事先做好合理安排，采取有效的需求侧管理措施，那么就会大大减小敏感负荷所带来的不利影响。因此，电力系统敏感负荷预测是一项具有实际意义的研究课题。针对目前季节性敏感负荷为电网带来的种种问题，如高峰负荷供应不足引起拉闸限电，以及负载过高导致电网不能安全稳定运行，论文研究了电力敏感负荷预测领域中的相关问题，旨在保障电力系统的经济稳定运行。 论文首先介绍负荷预测的作用与意义，讨论影响电力系统负荷变化的各种因素，并从气温对电力负荷的影响入手，提出了以空调负荷为代表的季节敏感负荷的预测问题。 其次，从电力系统负荷特性分析入手，分析了日最大负荷与温度因子的相关特性，并通过对江苏历史负荷数据的研究，分别采用回归模型、灰色模型及其改进算法和L-M算法的BP神经网络模型来预测周最大负荷，并通过对预测结果的比较分析，选取L-M算法的BP神经网络来建立周敏感负荷预测模型；采用季节指数法和改进季节指数法预测月最大负荷，并基于改进季节指数法建立月敏感负荷预测模型。 最后通过江苏的实际负荷数据进行验证，取得了较好的预测效果。