电力系统负荷预测是电力系统规划、计划、调度、营销以及市场交易等部门决策时的重要依据。而且随着智能电网和电动汽车等的发展，负荷预测的重要性尤其突显。因此，提高负荷预测的准确率具有十分重要的意义。电力负荷预测依赖于大量历史数据及相关因素分析，预测结果在很大程度上依赖于所收集到的历史数据的可靠性与相关因素分析资料的详细准确度。在此背景下，本论文主要从以下两个方面展开研究，以提高负荷预测的准确率。其一，对收集到的历史数据，主要研究负荷数据的处理以提高其可靠性。因为来自SCADA系统数据库的电力负荷数据一般会有些异常数据，通过同时考虑负荷的横向连续性和纵向连续性，把负荷数据按照日期排列成二维数据集，首先采用基于密度的方法，在两个维度中对负荷数据中由于信道错误、极大极小负荷以及突发事故等原因产生的异常数据，进行整体上地辨识与修正；然后在此基础上，对负荷数据中可能存在的冲击负荷和由于信道噪声引起负荷锯齿状波动的毛刺负荷等，采用基于二维小波阈值去噪的方法，在两个维度中对负荷数据进行去噪处理，进一步提高负荷数据的质量。其二，对相关因素的分析资料方面，主要研究了年最大降温负荷的测算与分析、负荷与温度之间的关联性分析与分行业负荷的构成分析等。以期这些分析能够给人工负荷预测专家根据实际情况修正负荷预测结果，对提高负荷预测的准确率提供一定的辅助作用。