短期负荷预测是电力系统调度运营部门的一项重要参考指标，由电力市场发展的趋势来看，短期电力负荷预测将在其发展中起着越来越重要的作用。因此，如何进行科学的短期负荷预测，提高预测精度以保证电力系统运行的安全性、经济性和供电质量，是短期负荷预测研究的一个重点问题。 本文介绍了电力负荷预测的相关背景和研究意义，并对电力系统短期负荷预测的若干方法进行了总结和分析，包括传统负荷预测方法和最近兴起的人工智能预测方法。本文还基于支持向量机和灰色预测法建立了短期电力负荷预测模型，并使用East—Slovakia Power Distribution Company提供的电网运行数据进行了算法实验。 为了进行科学的建模，本文对短期电力负荷进行了特性分析，以掌握负荷变化的规律和特性；本文还对样本数据进行了预处理，从而保证了样本的质量。鉴于支持向量机具有泛化能力强、训练收敛速度快等优点，本文基于支持向量机建立了短期负荷预测模型，并基于grid—search方法进行了核参数选择，从而提高了模型的预测精度。从实验结果看来，基于支持向量机的短期负荷预测模型，在日常负荷预测中可达到比较理想的精度，然而，该方法在对重大节日的负荷预测中，预测精度相对较低，这是由于重大节日放假期间，用电构成发生了变化，从而打破了负荷的周期性。同时，由于重大节日的历史数据量非常少，而SVM方法需要一定的样本数据用作训练以保证预测的精度，所以，支持向量机在对重大节日的负荷预测精度上难以得到提高。灰色预测方法具有仅需要少量数据即可建立预测模型、建模效率高等优点，于是，本文提出了用灰色预测方法对重大节日负荷数据进行预测，并对灰色预测方法进行了分析和改进以达到更好的预测精度。最后，本文利用历史负荷数据，使用关联规则算法挖掘出气温因素与节假日负荷波动关系的规则，并应用此规则对灰色预测结果进行校正，从而提高重大节日的预测精度。