短期负荷预测是能量管理系统(EMS)的组成部分,也是电力系统运行调度中的重要内容,对电力系统的运行、控制和计划都有着非常重要的意义,其预测精度的高低直接影响到电力系统的安全性和经济性。本文对电力系统短期负荷预测的背景和研究现状进行了综述,对现有的传统方法和智能方法做了简单分析,介绍了短期负荷预测的基本原则、要求和预测效果的评价方法,重点对短期负荷的内在规律和外在特性进行了深入分析,根据短期负荷的特性提出了三种有效的预测方法。首先,根据短期负荷的外在特性,提出了基于日特征量相似日的PSO-SVM短期负荷预测方法,该方法引入了人体舒适度指数,综合考虑天气因素对短期负荷的耦合影响,并与其余主导因素构成日特征量,采用求取相似度的方法选取相似日,并建立PSO-SVM预测模型,该方法解决了SVM预测模型的知识冗余问题,减少了训练样本,经过仿真验证,最终的预测结果要优于负荷预测竞赛优胜者的预测结果。其次,根据短期负荷的内在规律,提出了基于离散Frechet距离和LS-SVM的短期负荷预测方法,该方法依据负荷曲线特点通过离散Frechet距离判别曲线相似性的方法选取相似时段,并利用相似时段的历史负荷数据建立具有更好泛化性的LS-SVM预测模型。经过仿真验证,该方法与标准LS-SVM的预测结果相比,提高了预测精度。最后,针对基于离散Frechet距离和LS-SVM的短期负荷预测方法中存在从总负荷数据表层入手建模预测,无法关注组成负荷各成分特性的问题,提出了基于EEMD相似日分解的LS-SVM短期负荷预测方法,将离散Frechet距离选取出的相似时段进行EEMD分解,得到代表负荷各个部分的IMF分量,根据各IMF分量的特点,建立拥有不同核函数的LS-SVM预测模型分别对各分量进行预测,最后将各分量预测结果相加得到最终结果。经仿真验证,EEMD分解得到的IMF分量能够较好地体现出负荷各成分的特性,最终结果的预测精度相比基于离散Frechet距离和LS-SVM的短期负荷预测方法的预测精度得到提高。