为了提高样本数据较少情况下中长期负荷预测的预测精度，分析了传统GM（1,1）预测模型的缺点，提出了一种适用于中长期负荷预测的GM（1,1）优化建模方法。用一个与GM（1,1）模型的时间响应式具有相同形式的连续函数，拟合灰色系统的原始离散数据，将连续函数映射到神经网络，构建了GM（1,1）模型的灰参数与BP网络权值的对应关系。用已知负荷作为训练样本，利用BP算法对网络进行优化，当网络收敛时，提取优化的灰参数，实现了应用GM（1,1）模型对中长期负荷预测的优化建模。算例分析结果表明该方法是可行且有效的。