负荷预测是配电网规划的关键因素,预测结果的准确性直接关系到电力系统的安全运行,和电力资源的利用率。因此负荷预测方法的研究必须要与时俱进,随着社会经济的快速发展,现代电力负荷发展受到越来越多的不确定因素影响。本文主要通过研究两大类负荷预测方法,即负荷总量预测和空间分布负荷预测,总结并提出了较为全面的预测模型,并通过仿真实验和规划实例进行了验证。本文在介绍几种常用的总量负荷预测方法的基础上,分析它们各自的优缺点以及适用范围,为配电网规划负荷预测方法的选择提供参考依据。针对单一预测方法的缺陷,建立了基于遗传算法优化的组合预测模型。该模型综合考虑了多种算法的优点,并利用遗传算法的全局寻优能力,对模型的权值进行了寻优求解。并通过仿真对比证明了方法的有效性。针对现代电力系统月负荷数据同时具有趋势增长性和波动性的的非线性特征,提出了一种基于小波变换的混合支持向量机负荷预测模型。通过小波变换将负荷序列分解为不同尺度的子序列,考虑负荷的季节波动性,将温度因素作为输入变量,构建混合核函数LWPSO-LSSVM。将分解得到的负荷子序列放入膜系统的基本膜中,分别建立预测模型进行并行预测。然后对各个子序列预测数据进行重构得到预测结果。利用四川省某地区电网负荷数据进行应用研究,结果表明,所提出的模型较传统核函数支持向量机预测精度和效率有明显提高。在研究分析空间负荷预测方法前提下,通过调研规划区的经济发展状况、负荷本身的特性规律以及规划区相关部门的用地规划,选择了适合本区域的空间预测方法:分类分区预测法。对规划区进行了分类分区法的建模,并结合当地负荷发展程度制定了饱和负荷密度指标选取方案。参考规划区用地规划,对规划区进行了负荷总量和负荷发展分布预测。制作了一套规划区配网规划负荷预测方案,并验证了该方案的可行性。