现今,电力需求日益增大,由于电力负荷预测问题对于电力系统的规划、部署、调度等基础工作都有着重要的意义,人们对电力负荷预测问题的重要程度也日益增加。其中,日峰值负荷作为电力系统的一个重要业务指标,其预测问题值得关注。由此,本文选取日峰值负荷作为研究对象。由于电力负荷具有非线性的特性,易受到多方面因素的影响,导致其预测难度大,现有的方法往往难以做到高精度的预测。以往对电力负荷预测的研究主要为点值预测,本文将从概率化预测的角度入手,通过区间预测的方式为相关技术人员提供负荷的波动范围和波动程度。现有的电力负荷区间预测研究大多采用完全参数模型来构造区间,而在实际预测中,对电力负荷数据建模的误差分布往往不能用某一个分布来刻画。本文根据电力数据的数据特征,使用形式已知的两种基于位置-尺度分布族的条件异方差模型来刻画数据的条件异方差性,并在该两种模型结构下考虑多种参数估计和半参数估计方法。其中,两种条件异方差模型为,滑动平均自回归—广义自回归条件异方差（ARMA-GARCH）模型和线性双重自回归（Linear Double Autoregression,LDAR）模型。由于半参数估计方法对误差的分布不施加任何分布形式的假设,将其引入到电力数据上,能够更好地反映真实的误差分布,以期望达到精度更高的区间预测结果。本文对江苏省某县域的电力负荷数据进行实证分析,实证目的为预测日峰值负荷的置信区间。对此,本文将预测区间转化到条件分位数预测问题上。在两种模型结构,ARMA-GARCH模型和LDAR模型下选用多种参数和半参数估计方法来预测条件分位数,这些条件分位数估计方法是滤波历史模拟法（FHS）、新息项假设有偏t分布（SSTD）、超越门限值模型分布（POT）和分位数回归法（QR）。最后,用条件分位数构造双侧区间和单侧区间,并评价其预测效果。本文的实证分析表明,本文选择的模型结构和估计方法具有一定的有效性,相比而言,ARMA-GARCH结构较LDAR结构更适合本文数据,半参数估计方法有一定优越性。本文创新地将金融风险管理领域广为使用的两种基于位置-尺度分布族的模型结合半参数估计方法,用于电力区间预测问题上,为电力负荷研究提供了新的思路,丰富了电力问题的概率化预测方法,并全面地比较了方法的优劣。