电力系统的负荷预测是电力系统运行调度中一项非常重要的工作,是电力部门有效制定电力调配计划、合理安排发电机组的启停和检修以及保障电力系统稳定运行的前提和基础。负荷预测精度的高低直接影响电力系统运行的可靠性、经济性和供电质量。电力系统是复杂的非线性系统,通过对负荷时间序列的分析发现其呈现混沌时间序列特征,随着混沌理论的不断发展,混沌时间序列的分析预测成为该领域前沿研究方向之一,这为电力负荷时间序列的预测提供了科学的理论基础。本文首先对混沌理论、混沌判别方法以及相空间重构理论进行了阐述,应用几种相空间重构参数的选取方法对最佳延迟时间τ和最优嵌入维数m进行了选取和比较,提出了对于两个相空间重构参数选取的新的组合算法,并对几个典型的混沌动力系统进行了仿真和验证,完成了对混沌时间序列的相空间重构。其次,本文对混沌时间序列的定性及定量判别方法进行了数据分析和研究,分别选用功率谱方法和最大Lyapunov指数法完成了电力负荷时间序列中的混沌特性的定性和定量判别,验证了电力负荷时间序列的混沌特性。最后,针对电力负荷时间序列的预测,本文对几种混沌时间序列预测方法的理论分析和对比,提出了选用基于RBF神经网络的混沌时间序列预测法。以我国某市电网的电力负荷时间序列为研究对象,通过对预测负荷和实际序列的比较分析,验证了RBF神经网络预测法的可行性与有效性。