随着我国电力事业的发展，传统的管理方式和管理系统已经不能满足需要，采用高效的电力营销决策支持系统显得非常重要。科学的预测是正确决策的前提和保证，负荷预测是电力营销决策支持系统的重要组成部分,对电力营销决策制定有着重要的支持作用。其中，中长期负荷预测又是电力系统规划建设的依据。中长期预测的准确程度将直接影响到投资、网络布局和运行的合理性。月度负荷是中长期负荷的一种。月度负荷可以看作是由随机分量、周期性分量、季节性分量和发展趋势分量构成的。所以为了结合月度负荷特点，提高月度负荷预测的精度，本文进行了如下工作:首先，本文对来自生产环境的负荷数据进行了预处理；其次，基于负荷特性和预测理论框架，定义和引入季节因子并针对常规短期负荷预测方法在中长期负荷预测中的不足，提出了4个适用于中长期负荷预测的模型,分别是基于季节指数的灰色负荷预测模型、基于季节指数的差分自回归移动平均负荷预测模型、基于季节指数的选择性集成人工神经网络和负荷预测组合模型；最后，在某电网提供的生产数据集上对所提出的模型进行了实验，该数据集包含2006年3月至2012年2月的月度负荷数据，实验表明本文提出的基于季节指数的模型与常规模型比较，平均准确率分别提高了9.1%，1.2%，2.3%和4.1%。值得注意的是第4个模型预测平均准确率达到了97.6%而均方误差仅为0.0007，具有很好的准确率和稳定性，成为优选模型并将其交付某电网应用于决策支持系统中。