随着电力行业的高速发展,电力系统智能化、一体化建设成为未来发展的必然趋势,信息化和自动化将进行全面融合并渗透到电力企业运营和管理的各个环节。而信息感知能力和预测能力是智能化的重要特征,决定了电网能否灵活地根据外界变化进行自适应调整。其中,灵活、全面的信息采集通道和信息交互机制是实现智能化过程的前提条件,高精度的电网系统负荷预测是实现电网智能调度的基础。针对智能电网采集的大量设备和客户计量数据,实时处理负荷数据,并通过数据中的规律进行负荷预测分析,对实现电网动态规划和智能调度计划具有重要的指导意义,从而达到系统闭环控制,实现电网高效、安全、稳定地运行。　　本论文重点介绍时间序列自回归求和移动平均算法(ARIMA)在日负荷预测的应用,分析了预测误差产生的原因,并研究了如何通过模糊数学方法构造气象因素模型,并通过神经网络模型来推算出气象修正因子,对时间序列的预测结果进行校正,从而提高了预测结果的精度,通过Matlab工具验证了负荷算法的正确性,并在综合数据平台中实现了该算法。同时为了解决负荷数据跨二次安全防护分区实时传输性能瓶颈,在建设中还设计了一条跨隔离装置的高速实时数据总线。经过多年的实际运行表明,综合数据平台系统能够很好的预测电网日负荷数据,为供电企业的调度计划和实时运营提供很好的决策支持。