近年来，数据挖掘技术的日渐成熟，为电力行业的发展开拓了新的途径。目前，这方面的研究成果主要集中在从历史数据中挖掘有用的信息，以及根据天气和以往的负荷数据，对短期内的未知负荷数据进行预测。针对这一点，结合“枣庄电力负荷预测系统”的研制，本文在研究了数据挖掘技术和多种负荷预测模型的基础上，实现了电力数据的规则挖掘和负荷预测。本文的主要研究工作和成果如下： (1)研究了数据挖掘技术在电力系统中的应用方法，给出了挖掘电力系统中有用信息的挖掘步骤。 (2)本文在研究粗糙集技术的基础上，设计了利用粗糙集在电力系统中进行规则挖掘的方法并编程实现了这些方法，从数据仓库中挖掘出有用的信息。 (3)对电力负荷预测技术进行了深入研究，研究了多种利用历史负荷数据结合天气预报信息预测未来电网负载量的多种算法，主要包括神经网络方法和点模式匹配算法等，对神经网络算法进行了有效的训练，使其具有了相当高的预测准确率，并为了进一步提高预测精度对其进行了先聚类后预测的改进。实验表明，该预测方法达到了很高的日平均预测精度。 (4)设计并实现了一个电力负荷预测系统，该系统经过用户使用性能良好。