电力是国民经济的支柱产业，对国家的发展起着非常重要的作用。短期电力负荷预测是当前电力系统重要的研究课题，通过对电力负荷的有效预测，可以更加合理地制定调配计划、发电计划，更有效地控制电网的经济运营。　　本文首先介绍了当前电力负荷预测的研究背景和国内外研究现状。然后提出了改进最小二乘支持向量机算法。接下来，提出了核参数优化的改进粒子群文化算法。最后，提出了短期电力负荷预测方法和模型，并将提出的预测方法用于陕西渭南地区的短期预测电力负荷。　　本论文针对电力负荷数据的特点，通过在最小二乘支持向量机算法中增加动态窗口来选取样本，提出了改进最小二乘支持向量机算法，可以有效降低计算复杂度。其次，提出了用于支持向量机核参数优化的改进粒子群文化算法，通过对信度空间中的知识进行重新定义，采用循环拥挤距离来控制非劣解集的大小，实现信度空间和种群空间之间的交互。最终实现了核参数的优化。最后，考虑电力负荷数据的周期性，温度等因素，建立了短期和超短期电力负荷预测方法和模型，并采用分类判别机制对异常负荷进行检测和处理。陕西渭南地区电力负荷的预测结果表明了本文提出预测方法的有效性。　　本论文的研究结果对于提升电力负荷预测的有效性和准确性、优化电网调度具有一定的科学意义和应用价值。