随着人民生活质量的不断提高和宏观经济政策的不断变化,人们对电能的需求也日益增加,各个地区的用电负荷都在极速增长,为了更好的保证电力供需平衡和电网的安全运行,准确科学的预测用电需求显得至关重要。从我国各地区历史负荷数据的变化特点来看,是一个典型的灰色系统。因此,本文以灰色模型为主要方法对中长期负荷预测展开研究。随着用电需求的增长,人们对用电负荷预测精度的要求也越来越高,传统灰色模型已经无法满足中长期预测精度的要求,并且许多未知的环境因素也对负荷预测有着一定的影响。为了满足电能负荷预测精度的要求,需要对灰色模型进行有效的改进和优化。本文深入研究了电力系统中长期负荷预测的特点和灰色系统的理论知识,通过研究和分析,发现了灰色模型自身存在的缺点,在此基础上针对传统灰色模型存在的不足进行改进。主要贡献如下,其一针对原始数据中的异常值易对负荷预测产生影响的问题,本文提出了三点平滑法和指数平滑法两种原始数据预处理方法,在增强原始数据规律性的同时提高了灰色模型的预测精度。其二为了进一步提高负荷的预测精度,本文利用粒子群优化算法对灰色模型的参数a和u进行优化。对于波动性较大的原始数据,通过等维信息递补技术动态补充新数据的方式来淘汰原始数据。其三为减小正负波动的误差,综合利用加权马尔可夫链和傅里叶残差修正两种误差修正方法。加权马尔可夫链不仅可以对预测误差进行状态划分,而且能够预测负荷所在年份的误差状态并对误差进行修正,傅里叶残差修正可以将误差序列进行傅里叶分解,从而有效地消除数据中的噪声。为了验证改进模型的有效性,本文选取河南省某地区2002-2019年近18年来的年度电力负荷数据为研究对象,利用传统灰色模型和改进灰色模型分别对该地区的用电负荷进行预测。通过实验结果的分析可知,本文提出的改进灰色模型在预测精度上有了很大的提高。