电力系统日负荷预测是电力系统调度运营部门的一项重要的日常工作，其预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量，它的特点可以归纳为：要预测的数据个数多、影响预测的物理因素复杂且具有随机性。本文的工作包括日负荷历史数据的处理、预测模型建模理论研究和日负荷预测的软件实现问题三个方面。 针对日负荷预测数据个数多的特点，提出了采用主成分分析和小波变换对日负荷历史数据进行处理，以使得信息得到有效的集中，在此基础上建立预测模型可以提高建模效率，同时又能提高预测精度。讨论了日负荷数据标准化方法，给出了将高维数据投射的二维平面的算法。 提出了采用线性稀疏数AR(p)模型用于日负荷预测，对用线性稀疏数AR模型代替线性ARIMA预测模型作为通用线性预测模型进行了理论上的讨论，给出了线性稀疏数AR(p)模型的模型搜索算法，这样线性稀疏数AR(p)模型的建模过程就可以通过程序自动进行，避免了建立线性ARIMA预测模型时烦琐的过程。 讨论了非线性模型的识别，分析和建模。对非线性预测模型的识别给出了统计判据，对具有混沌等特征的非线性时间序列的相空间重建给出了最佳延迟步长和最佳嵌入维数的搜索算法，提出了基于最佳嵌入相空间的局部预测方法。 提出了前向神经网络的改进牛顿快速学习算法，讨论了神经网络的具有全局搜索能力的演化学习算法，并了基于Eleman回归神经网络的通用非线性ARMA(p，q)预测模型。 对影响负荷变化的气象因素进行了分析，讨论了基于气象因素影响的日负荷预测模型的建模和预测方法。对基于分时电价的日负荷预测模型的建模和预测进行了讨论。给出了基于气象因素和电价因素影响的日负荷预测模型的建模和预测方法。 讨论了在Window操作系统环境下电力负荷预测软件开发中存在的代码共享(或称代码重用)问题，提出了基于COM技术的Active控件和Active组件两种方案解决电力负荷预测软件开发中的代码共享问题。