中长期负荷预测在电网与电源规划、改造、扩建以及开发布局中至关重要,并且关系着电力系统安全、经济、有序的运行。本文主要研究了GM(1,1)及其扩展模型的内在联系、数据变换函数在灰色预测算法中的应用以及多变量灰色变权组合模型的构造与应用,具体工作如下：首先,本文分别介绍了离散灰色预测模型(DGM(1,1)模型)、GM(1,1)模型及其两种扩展模型,并分析了GM(1,1)模型存在的缺陷。通过A、B、C三省的实例,分析了上述四种模型的内在联系,并就GM(1,1)模型存在的缺陷,提出了优化方法并建立了以下两种改进的灰色预测模型：(1)基于数据变换与残差修正的等维新信息灰色线性回归组合模型：本文就数据光滑度与灰色算法预测精度之间的关系,采用了一种新型数据变换函数,并证明了该数据变换函数的有效性。为了进一步研究该变换函数的特性,通过实例探究了函数y=arccot(x~a)中不同a值对GM(1,1)模型计算结果的影响,并说明了在使用y=arccot(x~a)对数据进行变换时,应根据实际的数据特征,选择恰当的a值。本文将y=arccot(x~a)数据变换函数引入到灰色线性回归组合算法中,并针对灰色线性回归模型存在的问题,利用残差修正与等维新信息的方法构建了基于数据变换与残差修正的等维新信息灰色线性回归组合模型。(2)基于残差修正与等维新信息的多变量灰色变权组合模型：本文分析了不同分辨系数对灰色关联度的影响,并采用灰色关联分析的方法筛选出最优影响因素。针对GM(1,N)模型不能预测的问题,采用MGM(1,N)模型对相关因素序列进行预测,并将预测结果引入GM(1,N)模型中,一定程度上解决了上述问题。针对GM(1,1)、MGM(1,N)、GM(1,N)模型边值选取、参数估计、背景值构造不合理以及最优组合模型权重固定不合理的问题,提出了基于残差修正与等维新信息的多变量灰色变权组合预测模型。本文将上述两种算法应用于中长期负荷预测中,结果表明,改进的灰色预测算法大幅度的提高了原有算法的预测精度,具有一定的实用性。