短期负荷预测是保障电力系统安全和经济运行的重要工作，预测值是电网调度、规划设计、购电输电计划等重要工作的主要依据。因此，提高短期负荷预测的准确性和实用性具有非常重要的意义。虽然国内外学者对负荷预测做了大量的研究和工作，但是随着电网进一步的发展，需要对负荷预测技术进行更深入的研究，引进新的理论和方法。目前负荷预测大多使用软件包采用时间序列、回归分析和BP神经网络等传统的预测模型，预测的实用性和精度不高。然而，基于配网地理信息系统（GIS）平台的负荷预测，利用GIS能很好地把图形信息和属性数据相结合的功能和设备之间的拓扑分析功能来适应配网结构的变化从而快速准确地获取历史负荷数据进行预测，实现短期负荷预测的可视化，提高负荷预测的实用性。本文通过研究支持向量机（Support Vector Machine, SVM）各参数对其预测能力的影响，在Matlab平台上建立利用遗传退火算法寻优支持向量机参数的预测模型（GAA-SVM），并将预测模型集成到配网GIS平台上。通过分析影响负荷变化的因素和已有历史数据，选取相关因素作为负荷的支持属性，采用横向比较法对数据进行预测处理。通过配网GIS拓扑分析功能获取待预测线路的历史负荷数据，进行归一化处理后作为短期负荷预测的输入，预测结果以图形化方式显示。以GAA-SVM为预测模型基于配网GIS的短期负荷预测系统使生产决策更加高效和准确。