我国电力市场化改革尚处于起步阶段,中长期交易仍是现阶段我国电力市场的主要交易模式。中长期交易机制下,市场主体需要对于未来数星期或者数月的电量需求情况有提前的预测,以指导电能生产活动以及有效规避市场风险。为此,中期电量负荷预测的重要性日渐突出。中期电量负荷其时间尺度介于短期负荷与长期负荷之间,故中期电量序列也综合两类负荷相关特性而表现出“二重趋势性”,即长期趋势性与季节性周期变化并存。同时伴随着源荷侧不确定的增加,中期电量负荷特征将变得更加复杂,增加了准确预测中期电量负荷的难度。针对非平稳、非线性中期负荷序列分解预测的精度问题,提出基于奇异谱分析与神经网络的中期负荷分解预测方法。考虑中期负荷长期趋势性与季节性周期波动性特点,在中期负荷序列趋势提取的基础上,利用频谱分析确定序列主要周期成分并引入奇异谱分析方法对序列主要周期成分进行滤波分解,对分解所得的各子序列构建神经网络模型进行预测,各子序列预测结果叠加作为最终的电量预测值。结合某地历史数据,将本文算法与经验模态分解/神经网络方法、传统滤波/神经网络方法预测结果进行对比,验证所提方法的有效性与合理性。结果表明所提模型在处理不同特征序列时适应性要高于现有方法,在进行中期电量预测时能够获得更为平稳的、精度较高的预测结果,为中期电量预测提供了一种新的思路。