短期负荷预测对电力调度至关重要,精确的电力负荷预测不仅对电力企业有利,也是保证安全可靠供电的重要措施。但其受时间、天气、不同地区及客户分类等诸多因素的影响。目前,针对短期负荷预测人们使用较多的是人工神经网络(ANN)、时间序列、模糊逻辑、自回归滑动平均模型(ARIMA)、小波分析等方法。但是,这些预测方法的缺点是预测效果不理想、预测精度不高。所以,为了满足负荷预测的要求,本文提出了将单一的预测方法进行组合,例如将模糊法和神经网络(NN)法、神经网络(NN)法和小波变换法、模糊法和RBF法予以组合。每一种组合方法都受不同因素的影响,具有不同的特点。组合负荷预测比单一预测的方法效率高、灵活性强,能克服单一负荷预测所存在的缺点,如基于模糊法和RBF法的电力短期负荷预测模型就能克服BP运算法则回归缓慢的缺点。所以组合负荷预测可以通过使用小预测误差分析改善预测效果在诸多的预测方法中,最有效的是采用Box Jenkin分析法和小波分析法结合的方式,这是基于ARIMA模型的Box Jenkin和集合自回归条件(GARCH)的方法,即小波分析的累积式自回归滑动平均方法(WARIMA)。本文首先使用小波对时间序列进行分解,分解为高频信号和低频信号；其次,在此基础上,对每个子序列使用GARCH模型进行预测。最后,利用小波重构子序列对负荷进行预测。本文采用湖南省电力公司2002年1月5日至1月14日的历史电力数据,对2002年1月15日的24个时段的电力进行预测。本文介绍了ARIMA和小波的有关概念及其他相关知识,在第3章和第4章分别介绍了GARCH工具箱和小波工具箱的应用。最后,利用本文方法进行短期日负荷预测及周负荷预测,并给出了仿真结果。