我国正处能源消费革命时期,致力于加快能源消费电气化进程,推动“以电代煤、以电代油”,提高电能占终端能源消费的比例,这对终端电力负荷的饱和时间与规模预测提出了新的要求。本文首先介绍了电力负荷预测的研究现状,重点介绍了饱和负荷预测的研究现状与人工智能在电力负荷预测的应用。其次分析了影响饱和电力负荷水平的因素,并根据分析提取出十个能够量化计算的关键因素,采用相关系数法、灰色关联度和K-L(Kullback-Leibler)信息量三种分析方法量化计算这些因素对饱和电力需求的关联度。然后,提出了基于组合预测的中长期负荷预测模型,子模型包括基于能源总量与结构预测的用电量预测模型、考虑电能替代因素的支持向量机、基于电能替代量与基础用电量计算的预测模型,赋权方法为基于Shapley值的组合赋权法。同时,针对传统模型输入因素需要高关联度的缺点,构建基于长短期记忆(Long short-term memory,LSTM)神经网络模型,实现了包含多影响因素的中长期电力负荷预测。最后从饱和电力负荷的基本概念出发,通过对国外电力需求已进入或基本进入饱和阶段的典型发达国家的研究,分析电力负荷饱和阶段的社会经济特征。进而有针对性地提出考虑电能替代潜力时电力需求饱和时间点的判断方法,以电力需求增长率、人口增长率、电能占终端能源比重为必要判据,其他经济社会指标为辅助判据,判断饱和时间节点、饱和规模,形成了一套饱和电力负荷分析流程与方法。实例分析表明本文模型有一定的预测精度,并且两种中长期负荷预测方法从多角度预测了考虑电能替代潜力的饱和负荷最终水平,预测结果对电网规划具有指导意义。