负荷预测是电力系统稳定运行与经济调度的基础。准确的负荷预测对于经济合理的安排电力系统内部发电机组的启停,保持电网运行的安全稳定性,减少不必要的旋转储备容量,合理安排机组检修计划,保持社会的正常生产和生活,有效降低发电成本,提高经济效益和社会效益至关重要。因此电力系统负荷预测作为电力调度部门一项重要工作,其作用越来越受到重视。研究把小波变换应用到短期电力负荷预测领域,是因为研究中发现小波变换比传统的傅里叶变换具有更好的时域和频域功能,它能将信息成分采取逐渐精细的时域和频域分析处理,特别是对突发与短时信息分辨具有明显优势,从而使负荷预测的精度得到显著提高。由于短期负荷还是一个具有较强随机性的系统,而模糊马尔科夫预测的研究对象是具有随机变化的动态系统,研究利用转移概率矩阵来揭示预测信号内部的变化规律,从而实现对随机波动影响较大的短期负荷时间序列预测,众多的文献也表明将马尔科夫预测模型应用拓展到负荷预测领域中是可行的。　　 本文在研究用小波变换进行短期电力负荷预测基础上,首次提出了将小波包变换、小波包软阈值降噪以及马尔科夫预测相结合来进行短期电力负荷预测的方法。该方法针对短期电力负荷具有特殊的周期性和波动性特点,对负荷时间序列进行小波包多分辨分解,算法中小波函数不用正交小波而使用双正交小波,是利用了双正交小波线性相位的特性,它在信号分解和重构中不会造成信号失真,而紧支正交的实小波非对称性在信号处理中容易造成较大失真,然后针对短期电力负荷具有较强的随机性,经研究可将其视为噪声信号,采用小波包软阈值方法检测和处理噪声信号,接着用降噪后的信号建立模糊马尔科夫预测模型,最后通过将各负荷序列的预测值加以组合得到最终预测结果。经实际算例验证表明,该算法能有效的提高预测精度,具有良好抗干扰能力和容错能力。