华东电网自引入电力市场竞争机制以来，电力部门面临着许多新问题，其中对负荷预测的准确性也提出了更高的要求。在复杂的电力市场运营环境下，对负荷大小做出准确预测，将有助于经济合理的实现电网内发电机组优化组合、优化潮流和联络线交换功率，是电网安全运行和有效降低电网运行成本的重要依据。准确的负荷预测，对于加强市场建设、促进电网和供电企业共同参与市场竞争，并最终提高电力系统运行的经济效益和社会效益，具有举足轻重的作用。 芜湖地区经济的快速发展使得空调负荷快速增加，而空调负荷与温度、湿度具有关系密切，因此合理的分析这些影响因素对负荷的影响是提高预测精度的关键之一。在新的电力市场环境和用电情况下，需要对现有的负荷预测系统作进一步的改进和完善。以此为出发点，开发新的负荷预测系统，用于对芜湖地区一市三县的电力负荷情况进行预测。 在算法上：本文提出了基于小波分析的人工神经网络(ANN)和累积式自回归滑动平均(ARIMA)模型的组合预测方法。首先利用小波变换对负荷序列进行小波分解与单支重构，得到各频段上的近似序列和细节序列，据各序列的自身特点经数据预处理后分别采用相匹配的BP-ANN和ARIMA模型进行预测，最后将各负荷序列的预测结果加以组合得到最终的预测结果。此外，采用基于负荷差率的BP网络模型，将历史负荷分为一般日、节假日和特殊节假日等分别处理，减小了由于假期带来的影响。基于支持向量机（SVM）构建的预测模型，充分考虑影响负荷变化的各种因素，通过核函数与参数的比较分析后，确定模型使用参数，并针对不同的日期类型采用不同的处理方法。 在系统实现上：本文提出了一种新的负荷预测系统开发方法。通过引入COM和多Agent技术、采用B/S与C/S相结合的模式、数据库平台及文件转换平台的交互作用，改善了负荷预测系统的实用性、可扩展性。基于该方法开发的负荷预测系统的运行经验及使用结果表明，系统的可靠性、灵活性、鲁棒性、实用性及预测精度均有很大提高。