电力资源是一项关乎国计民生的重要资源,在人们生活以及工业生产中均具有重要作用。随着社会不断进步,城镇规模逐渐扩大,工业生产日益发展,整个社会对电力资源的需求也越来越大,保障社会用电的及时供应是电力公司义不容辞的责任和义务。为了及时掌握未来一段时间内地区用电量,加之电力资源具有难以大规模经济存储的特点,企业往往会对电力负荷进行预测,以预测结果指导企业生产。因此,提高预测准确率是电力公司不断追求的一个目标,一方面,若预测过低,则不能满足社会用电量的需求,导致大停电事故,造成极大的社会经济损失;另一方面,若预测过高,则会浪费资源;若对电力负荷峰值预测过高,则对电力传输设备的要求也会相应提高,从而浪费电网升级与维护成本。但是实际中,电力负荷经常受变化的温度、风力等因素的影响,点预测的结果越来越难以满足电力公司的需求及其对准确度的要求,因此,学术界和工业界逐渐将目光转移至概率预测。概率预测可以提供一个准确的预测区间,而非单个预测值,能够为企业管理者带来更多的信息以供决策,越精准的预测结果价值越大,越能辅助管理者作出正确的决定。在提高电力负荷概率预测准确率这一目标的指导下,通过回顾电力负荷预测相关国内外文献发现:（1）在电力负荷预测领域中,未来温度作为一个重要影响因素,应将温度预测纳入整套解决方案中,但国内外对此的相关研究却很少。（2）目前对电力负荷概率预测模型的研究,主要集中在多模型相结合而成的混合模型上,对单一概率预测模型的研究相对较少。因此,为了进一步提高预测准确率以及效率,本研究提出了新的单一概率预测模型以及解决方案,主要工作如下:（1）将原有的核函数支持向量分位数回归模型重新设计为模糊二次曲面支持向量分位数回归模型。不使用核函数对数据进行映射,直接使用二次曲面对数据进行拟合,以降低模型复杂度;除此之外,设计新的模糊隶属度函数,为每个样本点赋予不同的权重,以降低噪点对模型拟合的影响。（2）由于温度是影响电力负荷的主要因素且未来温度未知,因此,温度预测是必要的。构造温度预测特征数据,对温度在5分位点下进行概率预测,得到温度预测区间,来模拟未来温度可能出现的情况。（3）对电力负荷数据进行分析,探索并构造电力负荷概率预测的特征数据。在此基础上,使用模糊二次曲面支持向量分位数回归模型,对电力负荷在9分位点下进行概率预测,得到一个预测区间,并与其他三种经典概率预测模型的预测效果相比较,以验证新模型具有更高的准确率以及效率。研究结论如下:（1）提出并应用的模糊二次曲面支持向量分位数回归模型具有较高的概率预测准确率以及效率。直接用一个二次曲面对数据进行拟合而不再使用核函数向高维空间映射,打破了核函数的限制,有效降低了调参复杂度,并具有较强的模型可解释性。并将该模型与三种经典的概率预测模型相比较,实验证明新模型具有较强的优越性,可以为电力企业的生产运作提供更加准确的指导。（2）在温度预测中,月、小时、历史同期温度可以作为温度特征数据对未来某段时间内温度进行预测。首先,温度整体上成一个周期性变化规律,不同的月份之间温度差异较大;其次,一天中不同小时之间温度差异较为明显,夜间温度显著比白天低;最后,在月、小时水平上绘制温度与历史同期温度之间的关系图,发现二者呈较明显的一次线性相关关系,因此,历史同期温度可以作为温度预测的一个特征数据。