在电力系统中,电力负荷预测对于发电、输电、配电和供电都有十分重大的意义。提升电力负荷中长期预测的准确度,有利于电网的规划、建设,有利于节省发电成本,有利于计划用电管理,有利于提高经济效益和社会效益。长久以来,对于电力负荷预测,特别是电力负荷的中长期预测,国内外研究人员都进行了大量的研究,提出了很多方法和模型,也取得了一系列显著成果。进入到21世纪,智能算法的迅猛发展,为电力负荷预测的研究提供了支撑,如何有效的采用组合算法,进行优缺互补,提升其预测精度以及实用性,成为了当下电力负荷预测的研究热点。本文所设计的电力负荷数据管理系统以对电力负荷中长期预测为核心,通过网络爬虫技术为负荷预测提供历史数据,基于APP实现电力负荷历史及预测数据的可视化。本文的主要工作及创新点如下:(1)基于Scrapy爬虫框架实现电力负荷历史数据的获取,并将获取的数据存入MongoDB数据库,用于负荷数据预测及负荷数据可视化。(2)本文提出了基于模拟退火优化随机森林预测模型进行电力负荷的中长期预测,模型分为参数优化和性能测试两个过程。在参数优化的过程中,模拟退火算法(SA)通过交叉验证法动态的调整最优参数;在外部性能测试时,通过获得的最优参数结合选取的特征值进行随机森林预测模型的构建。最后,利用训练好的模型,对电力的未来负荷进行预测,并将预测的数据存入MongoDB数据库。(3)设计并编写了用于电力负荷数据可视化的APP,可以对电力负荷历史数据及未来预测数据进行可视化呈现,使相关研究人员能够通过图表的方式更加直观的了解电力负荷的变化趋势。