中长期电力系统负荷预测属于远景规划,可以为规划部门提供电源、电网规划的详细方案,从而有计划的进行电网改造或扩建,安排年度技改、检修及调整运行方式。影响电力负荷中长期预测的主要因素一般包括社会经济发展水平、人口数量、产品产值单耗、产业结构分配比例等相关因素,负荷预测精度直接关系到电网规划工作的优劣。由于居民用电、工业和商用电需求结构的变化及市场运行等不确定性和随机性提高,中长期电力负荷预测的难度不断增加。分析了近年来电力研究人员和相关行业在中长期电力负荷预测方面取得的成果和未来发展趋势,在比较了常用方法的优缺点和应用范围,重点研究了反向传播(back propagation,BP)神经网络方法在中长期负荷预测上的应用,尤其是BP神经网络的拓扑结构、自学习参数选择、标准学习算法等内容,同时也比较了BP神经网络算法的不足及改进之处。建立了依据本地区经济发展水平、人口数量和电力负荷历史实测数据预测未来5-10年当地电力负荷的BP神经网络逻辑模型。为了提高神经网络训练速度和预测异常负荷预测数据的准确度,提出基于变学习率自适应算法预测的规范化处理方法,利用宿州市当地的历史和规划资料对中长期负荷预测模型的预测时间以及精度进行了检验,结果表明所提出的BP神经网络模型满足当地电力负荷预测要求。