电力系统短期负荷预测关系到系统的安全和经济运行，是电力部门的一项重要研究内容。随着气象敏感负荷在总负荷中的比例日趋增加，电力系统负荷受气象条件的影响十分显著，其中温度是最主要的影响因素。在炎热的夏季，温度积累效应的存在使得这一时期的负荷预测难度较其它季节更大。量化温度积累效应对电力负荷的影响对于提高负荷预测的精度具有重要意义。　　介绍了电力系统负荷的构成以及各类负荷的特点。以南京市为例，分析了电力系统年负荷、周负荷、日负荷的特性。讨论了气象和时间等因素对负荷的影响。　　描述了温度积累效应的典型现象，定性分析了其对电力负荷的影响，总结出影响温度积累效应强度的因素有:预测日当天的温度高低、高温持续的时间长短以及持续高温时期的温度强度。为考虑温度积累效应的影响，建立基于Mamdani型模糊推理系统的温度修正模型对温度进行修正。该模糊温度修正模型以影响温度积累效应强度的因素作为其输入，经模糊化，模糊推理和去模糊化环节处理后，输出温度修正量。　　以日平均温度为自变量，日最大负荷为因变量建立一元回归预测模型对南京市夏季日最大负荷进行预测。对比了不采用任何修正方法、其它温度修正方法和本文提出的温度修正模型的预测效果。结果显示，本文提出的温度修正模型是可行且实用的。构造基于SOFM的支持向量机预测模型，算例表明，本文提出的模糊温度修正模型与SOFM-SVM负荷预测模型的结合能有效考虑温度积累效应的影响，预测精度令人满意。针对部分预测误差较大的点，本文对其进行了探讨并提出了预测建议。