空间负荷预测(Spatial Load Forecasting,SLF)是城市电网规划的基础,其预测的准确程度直接影响城市电网规划的投资、网络布局和运行的合理性。因此,空间负荷预测作为城市配电网规划的前提和铺垫,高精度的空间负荷预测结果对于城市电网规划具有重要的意义。以往大量的空间负荷预测研究工作重点在于预测方法的提出与改进,很少通过研究空间负荷预测数据预处理方法进而提高预测精度。而实现空间负荷预测的过程中,一般使用元胞的年负荷最大值,若直接使用元胞负荷实测数据中的年最大值进行城市电网空间负荷预测,则极有可能将一些偶然因素影响下带来的误差带入预测结果,而导致预测精度降低。可见,空间负荷预测数据预处理方法的研究对提高空间负荷预测准确性至关重要。本文首先对空间负荷预测研究现状做了详细的介绍,并分别对各种空间负荷预测数据预处理方法的优缺点进行分类并简要分析。然后,将电力负荷按不同原则分类,并涉及到空间电力分辨率和元胞生成原则,进而深入挖掘阐述城市空间电力负荷的特性;接着,将主成分分析(Principal Component Analysis,PCA)理论应用到空间负荷预测中,提出了基于PCA确定元胞负荷最大值的方法,并针对该方法未明确考虑电力负荷特性的不足之处,结合经验模态分解(Empirical Mode Decomposition,EMD)理论,重新提出了基于EMD确定元胞负荷最大值的方法。最后将两种方法确定的元胞负荷最大值利用传统的空间负荷预测方法应用于空间负荷预测,实例分析表明两种方法都在一定程度上使预测精度,并且使用基于EMD确定的元胞负荷最大值效果更佳。