电力是国民经济的命脉，随着我国经济、生活电气化水平的不断提高，人们对于电力消费的需求持续增长。因此，影响决策的电力负荷预测技术就显得越发重要。负荷预测精度的水平直接影响着电力部门能否经济优化地制定发电计划，制订经济合理的电力调配计划，控制电网经济运营以及合理安排机组安装检修计划。因此，探索有效方法提高电力负荷预测的精度，具有重要的现实意义。本文在对负荷预测、灰色预测理论以及粒子群算法国内外研究的基础上，从经验技术、经典技术以新技术三个方面研究电力负荷预测技术，结合各自预测技术的典型方法，对其优、缺点以及适用范围进行了论述。随后从灰色系统理论产生与发展、基本原理等方面，对灰色预测模型进行了研究，详细介绍经典灰色预测模型中的GM（1,1）模型以及灰色Verhulst模型，分析了模型中存在的理论缺陷。为解决非线性原始数列的灰色预测问题，提出GM（1,1）幂模型的概念，文章深入研究GM（1,1）幂模型的建模原理、步骤、参数分析以及造成误差的原因，总结出通过改善原始数据序列光滑度，幂模型构建中背景值、初始条件、幂指数优化提高模型的预测精度。针对上述问题，本文通过利用余弦函数对原始数据进行处理，在减弱异常值影响，提高序列的光滑度的同时在一定程度上缩小了还原误差。通过粒子群优化算法寻求模型参数，从而得到与模型匹配度更高、整体预测效果更好的模型参数，从而弥补以往凭经验给出模型参数的不足，最后，构建基于粒子群优化的GM（1,1）幂模型，并对模型的实现流程进行了详细论述。文章采用北京电网的历史负荷数据对构建的预测模型进行模拟仿真，并对效果进行检验。通过对算例应用结果进行误差分析表明，本文所构建的预测模型能够在电力负荷预测中取得较高的预测精度。