短期电力负荷预测对电力系统的运行、控制和计划都有着非常重要的影响,准确的负荷预测对于保证电力系统安全、稳定运行具有十分重要的意义。本文从短期电力负荷特性分析入手,以日峰负荷及与之相关的影响因素为研究对象,分别针对正常日和节假日提出了不同的短期负荷预测模型。首先,本文给出了选出合理相似日的方法,用于提高负荷预测精度。文中研究了气象因素、距离即日期差距和星期类型对负荷的影响关系,建立了相似度的量化模型。其中采用灰色关联分析法来计算气象因素的相似度,量化时间因素相似度时体现了“近大远小”和“周期性”的原则,并根据负荷的周变化规律建立了星期类型的相似度函数,综合三个因子,采用乘积法则来量化总体相似度,选出合理相似日。然后,针对正常日,提出了基于相似日和支持向量机的短期负荷预测模型。按相似度从大到小选出若干相似日作为训练样本,采用支持向量机训练并预测。此模型综合了相似日法和支持向量机的优点,能有效解决小样本问题,既克服了支持向量机算法中的噪音干扰,又避免了相似日方法运用的主观性。根据广东省惠州市的电力负荷数据,并通过与单一的相似日模型、单一的支持向量机模型以及基于相似日和神经网络算法的对比,结果表明此模型具有更高的预测精度,平均相对误差为1.47%。最后,考虑到重大节假日(五一、十一、春节和元旦)具有与正常日不同的负荷特性且与同类型日距离较远,提出了基于相似日负荷修正的算法。为克服重大节假日样本较少,将近期周末扩充到相似日选取样本中;采用气象和时间因素相似度的乘积作为总体相似度;考虑到类型日和年周期对负荷的影响,提出基于“历年节假日与周末负荷比例”和“负荷年增长率”分别修正相似周末和相似节假日的负荷。应用到广东省惠州市电网的实际负荷预测中,平均相对误差为2.29%,预测结果较理想,进而验证了本文所建预测模型的有效性。