准确的负荷预测对于整个电力系统经济有效运行有着重要的意义.针对负荷预测集和预测模型作出协同优化改进,提出了基于粒子群(Particle Swarm Optimization,PSO)优化的自组织特征映射网络(Self-organizing Feature Mapping,SOFM)和遗传算法(Genetic Algorithm,GA)优化的最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的短期电力负荷预测方法.使用自适应权重的粒子群算法对SOFM的权值进行优化处理,采用优化的PSO-SOFM对原始负荷数据进行分类处理,得到多组训练集.针对每组训练集建立LSSVM预测模型,并使用GA优化其关键参数,最终得到GA-LSSVM预测模型.最后利用已有的负荷数据进行了负荷预测,验证了该方法的准确性和有效性.