短期负荷预测不仅是调度、规划等管理部门的重要工作，也是能量管理系统(EMS)和配电管理系统(DMS)的重要组成部分。短期负荷预测依据预测对象的不同又可分为系统负荷预测和母线负荷预测。与系统负荷相比，关于母线负荷预测研究相对较少，国内外相关文献有限。在以往的电力系统运行中，以系统负荷预测结果为依据。将其按比例分配至各个母线上，得到母线负荷的预测结果，可以基本上满足粗放式管理和决策的要求。而母线负荷变化规律复杂，难以提出较为理想的预测方法，这些原因造成了母线负荷预测成果的缺乏。本文对220kV电压等级变电站母线负荷预测进行了深入研究，将四种系统负荷的预测模型应用于母线负荷预测当中并对预测效果进行了评价。在上述研究的基础上，提出了一种以各时段预测误差平方和最小为目标函数的综合模型，提高了预测精度。本文的主要工作如下：　　(1)阐述了母线负荷预测的国内外研究动态，简单介绍了常用的负荷预测算法。　　(2)详细论述模糊C均值(FCM)聚类算法和模糊最大支撑树算法步骤，给出了欧式距离、灰色关联度和趋势相似度的计算公式。　　(3)分析了母线负荷的特点和预测的难点，根据欧式距离、灰色关联度和趋势相似度选取了三组相似负荷时间序列，通过比较各组中负荷时间序列变化趋势相似程度，确定了趋势相似度为聚类指标。　　(4)以趋势相似度为聚类指标，利用最大支撑树算法对母线负荷进行了聚类分析，结果表明，区分工作日负荷和休息日负荷的分类方式对母线负荷并不适用。　　(5)提出了基于相似负荷时间序列的短期负荷预测模型，并在母线负荷的横向预测上进行了应用，取得了良好的预测效果。　　(6)对ARIMA模型、灰色预测GM(1，1)模型和RBF径向基函数神经网络模型的基本理论和建模步骤进行了详细的论述，绘制了算法流程图；通过修正预测公式，对灰色预测GM(1，1)模型进行了改进，通过预测实例验证改进后的模型改善了原始模型的预测效果；将模糊C均值(FCM)聚类算法用于RBF径向基函数神经网络模型训练样本的优选，提高了该模型的预测精度。　　(7)介绍了以各时段预测误差平方和达到最小为目标的线性组合预测模型的基本理论，并依据前而介绍的四种单项预测模型，建立了母线负荷预测综合模型，利用该模型对母线负荷进行预测，预测结果表明与单项预测模型相比，母线负荷预测综合模型提高了预测精度。　　(8)根据本文研究内容，编制了母线负荷预测软件。