电力短期负荷预测是电力系统安全、经济、可靠运行的基础和前提,也是电力行业市场化运营模式下编排调度计划、交易计划、供电计划的重要依据。随着智能电网理念的提出与相关技术的深入实施,电力短期负荷预测工作显得愈发重要。因此,本文针对我国供电企业短期负荷预测中存在的负荷特性分析、影响因素筛选和短期预测模型等热点问题进行了相关研究。首先,在电力短期负荷特性分析的基础上,重点分析了温度与负荷的联动关系,并量化分析了日温度对日负荷的影响；其次,由于电力负荷预测是依赖于大量历史资料和相关因素材料的被动型预测,详实可靠的基础数据对负荷预测准确度具有较大影响,所以本文针对供电企业日负荷数据中常见伪数据现象,建立了伪数据处理建模；在此基础上,引入DB指数优选了K均值最优聚类数,建立了电力日负荷相似日聚类模型；再次,针对电力短期负荷预测建模中的影响因素筛选问题,尝试构建了基于Granger因果检验的影响因素筛选模型,并最终形成了基于支持向量机算法的电力短期负荷预测模型。最后,通过我国某地区的实际数据结果验证了该文所建模型的有效性。通过本文的研究,该模型对地区的负荷调度具有指导性作用,通过调研和数学建模分析,同时也为地区负荷特性优化调控提供了参考依据。