电力负荷预测是能源领域中一项非常重要的研究课题之一,它对于系统的安全保障,能源的节约和生产效益的最大化具有非常重要的应用价值。本文对于电力负荷预测的研究主要运用了数据挖掘中的分类方法和聚类分析,并在原来的三库模式基础上提出了基于数据挖掘技术的电力负荷预测的方法模型,构架了一种基于模糊推理系统和混沌时间序列挖掘的电力负荷预测模型。将减法聚类和模糊推理系统结合起来构建自适应神经模糊系统预测模型,对短期电力负荷数据进行有效的预测;将混沌理论与RBF神经网络结合起来建立负荷预测模型,利用混沌时间序列对神经网络的输入变量进行预处理,对中期电力负荷进行合理有效的预测。论文针对目前电力负荷预测研究中的不足和难点,用数据挖掘技术重点研究了电力负荷预测模型中的负荷预测模型输入量的选择问题、模糊神经网络负荷预测方法中负荷数据预处理的问题和混沌时间序列的应用方法。并通过海量数据存储,数据挖掘和决策信息的支持,可有效地克服数据有限性,不完整性及影响因素复杂性对预测结果的影响,发挥独特优势、实现经济价值。