在传统的负荷预测中人们往往将异常负荷数据进行平滑或剔除,但是这可能导致重要的隐藏信息的丢失.换言之,异常负荷数据本身可能是非常重要的.因此对负荷的变化与特征,尤其是对冲击负荷有一个事先的估计是电力系统进行经济调度、降低生产成本、防止电网大面积停电及电网崩溃与瓦解的前提条件.异常负荷相应于实际负荷与正常负荷之差,这是考虑到负荷要求有一定的随机性质,而这些随机因素引起的负荷波动一般变化很快,并且难以找出其中的规律.极短时间内的在线预报(一小时之内),就要预测这种随机振荡.这种随机的变动负荷,在一个长时间内看,具有零平均值.但对于每一小时、每一天甚至每一周而言,由于考虑随机负荷振荡,使得负荷平均值会有所改变.因此,对于极短时间的在线预测,这种随机振荡负荷是一定要考虑的.对于短期负荷预测,这种随机负荷是一种平均值为零而方差不为零的负荷.并且在中、长期负荷预测模型上,也需要认真加以考虑.在文章的第三章我们提出了一种异常负荷数据检测与挖掘的新方法,它首先计算出相邻两个负荷之间的斜率,再与负荷爬坡速率相比较以检验出负荷偏差点集,在这个过程中对负荷曲线中明显的峰、谷滞后现象提出了修正模型,其次对偏差点集进行动态方差检测以确定其负荷异常点.最后运用EMS系统对已辨别出的异常负荷数据进行探测与挖掘并找出其中的规律.这个算法较好地解决了时间序列中异常数据检测中的"屏蔽"效应以及时间序列中异常数据检测不能被具体度量的的缺陷.在第四章我们给出灰色预测的基本思想与基本原理,并根据电力系统负荷的特点给出了灰色预测系统的几种修正方法.即:选取合适的初值,该方法就是在灰色负荷预测中发现某一数据发生突变,如果利用最初的数据作为初值则有可能造成较大的预测误差.如果根据电网负荷的实际情况选取合适的初值,则可以提高预测精度.对模型进行修正,该方法的基本思想是利用短期灰色预测精度高的优点,引进干涉因子做修正,使长期灰色预测也有较高的精度.对参数修正的方法是把GM(1,1)中的常量α与u看成是随时间t而改变的参数,先对α和u进行预测,然后再用灰色预测对原数列进行预测.第五章给出了Bootstrap方法的基本思想与原理,并引进了Bootstrap置信区间与纠偏的Bootstrap置信区间.该方法特别适用于上述灰色预测模型对冲击负荷与尖峰负荷无法做出较为准确的预测.在这种情况下我们可以利用Bootstrap置信区间与纠偏的Bootstrap置信区间去估计冲击负荷或尖峰负荷以多大的概率落入Bootstrap置信区间内.