电力系统短期负荷预测是电力部门的一项重要工作。它关系到电力系统的调度运行和生产计划，准确的负荷预测有助于提高系统的安全性和稳定性，能够减少发电成本。随着电力市场的建立和发展，短期负荷预测将发挥越来越重要的作用。 电力负荷序列是一个随机非平稳过程，其负荷值由于受到各种因素的影响而产生异常，这些数据夹杂在正常的负荷数据中，严重影响了负荷预测的精度。本文利用支持向量机回归算法进行负荷数据异常值检测，通过计算支持向量的样本点的残差来作为判据，检测异常数据点。并根据异常数据点的特点采用不同的修正方法，实现了对异常数据准确辨识和修正。 通过对电力负荷物理成因和特性的分析，提出了基于负荷成分分析的短期电力负荷预测模型。对历史负荷数据进行傅里叶谱分析将其分解为不同频率的分量，根据负荷特性对不同的频率分量进行重构得到四种分量，对其分别采用不同的预测模型进行建模，最后对各个分量的预测结果重构得到最终预测结果。实际计算表明该方法是可行和有效的。 根据负荷预测的实际需要，开发了一套短期负荷分析及预报系统，并应用于东北电网。通过预报系统，对东北电网及所辖各分区负荷规律性进行了分析评价，使预报人员能够更全面的掌握全网及所辖各分区负荷规律性的差异。