由发电机组、电力网络以及电力负荷三大主要部分组成的电力系统，当今学术界中研究学者们在这方面遇到了很多棘手的问题。在现代电力系统计算分析中，发电机及输电网络模型已经比较精确，而负荷模型目前还相对较粗糙，众所周知，在电力系统控制运行过程中，负荷的作用是至关重要的，这就使得整个体系显得很不匹配。由于综合负荷自身的特点——非连续性、随机性、分散性和多样性等，导致我们在负荷建模方面将面临诸多的困难。因此，在当前研究中，认识到研究电力系统负荷建模是电力发展的关键就显得尤为重要。随着国家电网规模体系的日益扩大，电网结构也越来越复杂，由此带来的电网的动态稳定性问题逐渐的明显起来，所以，在此时此刻我们统一将电力系统负荷建模问题归为电力系统领域中的世界级难题。电力系统的计算结果因不同负荷模型而受到的影响程度已经是一个不容小觑的问题。在众多工程调试项目中，如在东北-华北联网工程项目调试研究当中发现，该系统稳定性计算结果受负荷模型的结构和参数大小的影响的确是非常的显著，从数据上来看，它已经严重影响到计算结果的可靠性，同时还能够导致选择决策方案也变得尤为困难，因此受到研究学者们更多的关注。为更好的解决该问题，亟需研究者们能够建立更好的负荷模型以及研究负荷的建模方法，使它们适应于中国现阶段大型互联系统特性。生物进化论为我们演化了很多种进化计算的思想。根据长期实践和理论经验，目前人们大都认同达尔文的进化理论，达尔文进化理论的核心内容为“自然选择，适者生存”。根据这一理论，生物的发展和进化主要有三种形态：遗传、变异和选择。从数值分析的角度来讲，进化算法可以被看作是一类智能随机搜索的优化算法；从在动态环境中自然进化的角度来讲，进化代表的是一种渐进的适应过程，而并不是一个静态环境中的过程优化；从物理的观点来讲，进化在混沌与秩序间的非线性动力学中创建了一个复杂的现象。从不同角度来看进化过程，这为进化理论的进一步发展奠定了良好的基础。本论文研究的主要对象是一种新的智能优化搜索算法——基因表达式编程(Gene Expression Programming，简称GEP)，将GEP算法引入到电力系统负荷建模中，目前还较少见。本文主要是利用GEP算法进行静态负荷建模的研究分析。在传统的遗传算法和遗传编程的基础上，基因表达式编程应运而生，它是由两者结合发展而来的，属于同时具有基因型空间和表现型空间的一种新的进化算法，运用该算法的优点是，它不依赖于工作人员有过多的经验，也不需要编程人员事先规定好所求目标函数的结构，更不要求工作人员对数据提前做一些深入的了解。利用GEP算法进行编程，设置参数并运行程序后，程序可以自动地帮我们找出数据内部之间隐含的关系，从而实现函数的自动建模。当然，对于一些复杂的关系函数，就需要比较成熟的程序来作为工具。目前，在编写程序方面，可以选用Matlab语言或者C++语言等。本文采用的是C++语言编程。本论文采用的算例为某实验室所获取的静态电压特性测试数据，通过基因表达式编程算法建立数学模型，与常用的最小二乘法以及其他传统进化算法(如遗传算法)建立的数学模型相比较，评价其优缺点，说明该算法，即基因表达式编程在电力负荷建模领域方面的可实施性，进一步来讲，也能够为电力系统负荷建模领域往后的发展提供更多有新意的思路和决策。