一切决策基于预测。预测为电力系统规划、调度、控制等提供了关键支撑,是电力系统保持平衡的基础。面对日益加剧的全球性化石能源枯竭、温室效应和环境污染等问题,未来电力系统的结构形态与运行场景将随之发生较大变化。未来电力系统结构形态的变化体现为新能源渗透率大幅提升和电力电子化。新能源,如风电、光电、生物质发电等各种形式的电源接入电网,将使电力系统的不确定性大幅提升,对相关预测研究的广度和精度提出了更高的要求。大量电源和负荷电力电子化,输电线路也更多采用直流;电力系统的电力电子化,将使得传统电网依靠惯性保持瞬时平衡的机制失去基础,也对预测广度及预测准确率提出更高要求。电力系统中的预测呈现出不断精细化的特征,预测量的范畴不断扩大,对预测准确率的要求不断提高,使之能更全面地支撑电力系统的运行决策。针对以上问题,本文开展了如下研究:气温对负荷的影响存在累积效应,这导致气象条件与日类型相同两天的负荷仍然可能有较大的差异。因此,现有的以当天气象条件和日类型为特征参量的相似日选取方法不能保证预测的准确率。本文提出一种动态相似的思路,并且将其与现有的静态相似方法相结合得到一种新的短期负荷预测方法。运用解耦模型分别对待预测日的日平均负荷和负荷曲线形状进行预测。采用动态相似的思路进行日平均负荷预测,采用静态相似日的思路进行负荷曲线形状的预测。结合平均负荷与负荷曲线形状预测结果,获取负荷预测最终结果。算例分析表明该方法可有效提高短期负荷预测准确度。针对负荷模型的时变性特征,提出基于人工神经网络的负荷模型预测方法。负荷模型是电力系统的运行和控制仿真的基础,其准确性对电网安全稳定有较大影响。目前,在电力系统运行方式校验中,简单采用历史同期的负荷作为未来的负荷模型,产生一定的仿真偏差。考虑到最大、最小负荷时刻的负荷模型对电力系统运行影响最大,本文首先采用最小二乘法对历史日负荷模型参数进行求解,然后基于人工神经网络,以静态ZIP负荷模型建立最大最小时刻负荷模型,参照负荷预测的方法对模型参数进行预测,并对该预测结果进行灵敏度分析。该负荷模型预测结果可用于电网运行方式的校核。另外,提出了基于负荷模型预测的有序用电优化方案,提高电网运行的稳定性与经济性。针对故障概率预测中设备种类多、影响因素复杂的特点,提出基于自回归滑动平均模型(Auto-Regressive and Moving Average Model，ARMA)预测模型的随机类故障概率预测方法以及基于非等间隔灰色预测的模糊类故障概率预测方法。除了已有研究中影响设备故障率的主要因素,本文提出将设备历史数据和微气象纳入故障预测模型。对于输电线路和变压器这两类典型电力设备,分别建立了故障概率预测模型。利用统计软件包(Statistical Product and Service Solutions，SPSS)对输电线路的数据进行平稳化分析,采用ARMA方法进行模型辨识,并对输电线路的故障概率进行预测。此外,本文考虑到实际电网中变压器故障气体监测中存在的采集技术局限与完备性差的现状,运用非等间隔的灰色GM(1,1)幂模型对IEC三比值法中所需的五种故障特征气体进行预测。算例分析表明其预测结果预测准确度高,可以有效预测故障概率大小,而且模型不拘泥于基础数据的等间隔连贯性,具有较好的实用性及适应性。未来电力系统结构和运行方式的改变将大大提高系统的不确定程度性。本文提出提高负荷预测准确率的方法,并拓展预测内容,为未来电力系统运行提供决策支持。