电力负荷辨识是电力系统建模的核心和难点，也是影响模型准确性和可靠性的关键因素。它涉及到电力系统规划和设计、电力系统经济安全运行以及电力市场交易等多个方面。随着智能电网的发展，电力网络规模不断扩大，复杂程度愈来愈高，负荷的非线性、变结构特征表现愈加明显，用单一优化方法已无法准确描述其特性。故本文提出了粒计算智能算法，并将其用于解决电力负荷辨识等问题。其目的是充分发挥人的智能(知识)，有效地结合多种智能方法(进化算法、神经网络算法、群智能算法等)，取长补短，以达到高效地解决问题。论文的主要内容有以下几个方面。　　 在研究了粒计算和知识进化特点后，对知识粒进行了处理。首先，提出了知识粒进化约简算法。构建了知识粒进化约简评价函数，通过选择、交叉和变异操作，使知识属性集达到了最小化，提高了知识进化效率。其次，提出了知识粒模糊增殖神经场学习方法。此方法将粒计算商空间理论和人工神经场理论有机结合，采用投影技术、分治方法和嵌入机理，解决了对已有知识的重复学习问题，有效地实现了知识积累、继承和不断完善。最后，在遗传规划原理基础上，提出了知识粒进化算法。其核心思想是通过传承算子、创新算子和适应度评价函数对知识粒进行进化，并获得了知识规则。　　 针对复杂网络数据量大、非线性和不易管理等问题，通过探讨和研究复杂网络与知识网络之间关系和演化过程。采用粒商空间理论构建了复杂网络与知识网络协同进化模型，提出了基于粒计算知识进化与复杂网络演化协同算法，该方法将三库融合机制及变区域策略应用到协同进化中，较好地发挥了复杂网络与知识网互相促进、互相影响的作用。通过实验与比较，验证了此方法的有效性和可行性。　　 鉴于蚁群算法易于陷入局部极值和粒子群算法搜索精度不高等缺陷，提出了一种改进的群智能算法。通过添加变异概率调控算子，改善了粒子群-蚁群算法的性能，提高了搜索精度。并将该算法应用于TSP问题。经实验证明：该方法结构简单，运行速度快。　　 针对电力负荷具有时变、变结构和非线性等特点，要对其进行负荷动态辨识有一定的困难等问题，提出了基于粒计算智能电力负荷辨识方法。分别将模糊粒神经网络算法、基于粒知识进化与复杂网络演化的协同算法以及群智能算法应用到电力负荷辨识中，其采用商空间理论可将输入变量逐次进行划分，通过等价类数据逼近建立负荷模型。其可节省时间，提高辨识精确度。经实验验证了其方法的有效性、可行性和合理性。　　 鉴于上述研究，本文最后对粒计算智能的研究和应用进行了总结，给出了目前存在的问题及未来的研究工作。