短期负荷预测是电力系统调度运营部门的一项重要工作，尤其是随着电力市场的建立和发展，短期负荷预测将发挥越来越重要的作用。其预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。因此，关于如何提高预测精度的问题，一直是短期负荷预测研究的重点问题。电力负荷预测就是要通过实际电力系统负荷特性的分析，结合实际运行情况，运用数学和计算机方面的知识，建立合理准确的数学模型，最终得出精准的预测结果。在负荷特性分析以及负荷预测模型建立之前，必须对负荷数据进行预处理，剔除掉其中不能反应真实负荷情况的坏数据。数据挖掘是数据库与数据仓库研究领域新兴的富有前途的领域，是20世纪末新兴起的数据智能分析技术，它的特点就是具有强大的数据处理能力，能从大量的数据中发现有用的规律和联系。作为新兴的技术学科，数据挖掘在电力系统负荷预测应用方面具有广泛的应用前景。本文力求将数据挖掘知识与电力系统实际情况结合起来，探讨基于数据挖掘的短期负荷预测方法。对于负荷预处理，本文首先采用聚类分析的方法，将负荷的特征曲线提取出来，每一类负荷的特征曲线代表了该类负荷的正常曲线模式，然后以特征曲线为依据进行该类负荷的坏数据检测和修正，效果理想。对于负荷预测，本文首先利用小波变换对负荷序列进行分解，得到不同频率的各个负荷分量，然后利用数据分类和多元回归分析方法分别对各个分量进行预测，最后再将各个分量的预测值组合起来，得到最终的预测结果。本文的方法应用于贵州省的实际负荷数据中，计算结果表明该方法能够取得满意的预测效果。