电网规划是建设电网和电网发展的重要依托,科学有效地进行规划对电网建设的指导有着十分重要的意义。负荷预测是电网规划的基础环节,电网规划的中长期负荷预测精度的高低将直接影响电网安全可靠运行,其准确性对电网规划、建设、运营各方面的经济和社会效益有着十分重大的意义。针对中长期负荷预测的小样本特点和普通最小二乘法(OLS)无法有效地处理自变量系统存在高度多重相关性的局限,本文介绍了偏最小二乘回归(PLS)模型的基本原理及其内容,并详细推导了该算法的步骤。为解决偏最小二乘回归不能对输入的变量进行寻优选择处理这一缺陷性问题,引入稀疏偏最小二乘回归(SPLS)模型,其主要思想是在PLS的基础上增加了变量选择的过程。通过介绍稀疏偏最小二乘回归的算法步骤及其参数选取的基本内容,建立了基于稀疏偏最小二乘回归的中长期负荷预测模型。通过算例分析将SPLS与OLS、PLS模型比较分析,验证了稀疏偏最小二乘回归模型表现出更优越的有效性和准确性。传统预测算法模型应用于考虑多因素综合影响的中长期负荷预测存在横向和纵向上的局限性问题,其主要表现在未能科学有效地优选出输入的相关变量导致预测精度降低,难以在考虑更多影响因素与降低预测模型误差之间做出平衡;另外复杂多样、冗余信息的输入未经预处理造成后续算法模型的训练性能低、速度慢等问题,为此引入粗糙集法(RS)应用于多指标模型的中长期负荷预测。本文给出了粗糙集的基本思想并详细描述了基于属性重要度的粗糙集属性约减算法,将粗糙集与传统算法模型结合来改进提升其性能。文中采用粗糙集属性约减算法对原始数据处理来进行输入变量的约减,剔除对模型计算相对不必要的属性,简化模型输入复杂度,有效地从影响电力负荷的众多相关因素中有效地优选出影响程度和相关度高的因素,获取适合预测对象的最优属性集样本后,在此基础上再分别结合偏最小二乘回归和支持向量机法建立中长期负荷预测模型。通过基于粗糙集的回归模型(RS-PLS)和基于粗糙集的支持向量机模型(RS-SVM)进行中长期负荷预测的实例分析,表明了引入粗糙集法一方面为输入变量影响因子的选择提供可度量的理论依据,避免了凭主观经验人为选择的缺陷;另一方面又可简化模型输入的复杂度,加快算法训练速度,减少训练步数和时间。实例验证了基于粗糙集的中长期负荷预测模型的精确性和稳定性,将之应用于综合考虑多因素影响的中长期负荷预测,更具客观性及科学有效性。