空间负荷预测（Spatial Load Forecasting,SLF）是电网规划的重要组成部分。准确可靠的负荷预测结果对于大型电网的规划设计至关重要。SLF与以往的负荷预测方法相比,预测结果不仅包括负荷的大小,还包括负荷的空间分布。SLF的高精度预测结果可以指导变电站的设计和运行,并且确定供电设施的容量和最佳位置。本文详细阐述了空间负荷预测中数据预处理和空间负荷预测方法的国内外研究现状,并对目前SLF方法按照不同方式进行了分类总结。对电力负荷的特性分析是进行SLF的基础,依次研究了空间电力负荷的分类、影响因素以及负荷变化的增长规律;剖析了空间电力负荷预测误差产生的原因并介绍了SLF误差分析的评价方法;为了更好的研究SLF,将地理信息系统（Geographic Information System,GIS）引入到空间负荷预测中去,并建立电力地理信息系统。针对直接实测的历史负荷数据中存在奇异数据而使空间负荷预测结果精度降低的问题,提出了一种基于互补集合经验模态分解（complementary ensemble empirical mode decomposition,CEEMD）和排列熵确定元胞负荷合理最大值的方法。首先,采用CEEMD技术将待预测区域中由10k V馈线供电范围所生成的各I类元胞负荷序列进行分解;其次,利用排列熵（permutation entropy,PE）算法对分解得到的IMF分量中的高频分量辨析识别,并予以剔除;然后,对低频分量和残差分量进行重构生成新的主体分量,将各I类元胞负荷的重构主体分量中的年负荷最大值确定为该元胞的合理最大值,在此基础上实现空间负荷预测;最后,通过工程实例分析验证了本文所提数据预处理方法的合理性和有效性。针对现有空间电力负荷预测方法没有考虑待预测区域内各供电小区之间的负荷相互影响关系的情况,提出一种考虑本位元胞接受能力和相邻元胞负荷影响的空间负荷预测方法,主要适用于城市电网规划年负荷预测。首先,利用变异系数建立本位元胞接受负荷影响的量化模型,来反映本位元胞对相邻元胞负荷影响的接受能力;其次,考虑待预测区域内各元胞之间的距离因素和用电负荷相似性因素生成空间复合权重矩阵,并利用空间卷积建立相邻元胞产生负荷影响的量化模型,来反映相邻元胞对本位元胞产生的负荷影响;然后,综合考虑本位元胞接受负荷影响的能力和相邻元胞产生负荷影响的共同作用,构建综合考量本位元胞接受能力和相邻元胞负荷影响的空间电力负荷预测模型;最后,通过工程实例分析验证了所提方法及模型的正确性和有效性。