随着电力市场的不断发展，电量预测已成为电力系统人员制定正确决策的依据和保证。基于准确的电量预测，系统调度中心可以经济合理地安排发电机组的启停，有效地降低发电成本，提高经济效益和社会效益，因此研究如何准确地进行电量预测具有重要的现实意义。本文在标准支持向量机的基础上，结合D-S证据理论，重点从电量历史数据的影响因素和电量预测误差精确度两方面进行研究，主要工作如下：首先，选取电耗系数、环比历年曲线图、温度差值等特征，分别建立基于四个历史数据影响因素的证据融合识别框架，提出用证据理论对所取历史数据进行融合的理论，避免传统方法上只考虑电量负荷曲线的相似度或温度等单一影响因素，通过证据融合得到与预测月电量特征相似的电量值，并且根据识别框架补全数据，保证支持向量机训练数据的正确性和完整性。其次，研究基于D-S证据理论的支持向量机算法，此方法在证据融合的基础上对原始电量数据进行预处理，解决原始数据特征出现明显波动的问题，剔除原始数据中与预测电量特征相差太大的数据，简化历史数据序列的变化规律。进而建立支持向量机预测模型，并在选取参数时进行仿真实验，得到适合本样本的最佳参数。最后，将基于D-S证据理论的支持向量机算法和标准的支持向量机算法分别用于电量预测，将得到的两组数据，进行误差分析和比较，结果表明本文提出的方法预测结果精度明显提高。