负荷模型的准确度对电力系统仿真的有效性影响很大,但是建立反映实际负荷特性的负荷模型目前仍是一个尚未解决的难题,这主要是由于负荷的组成、大小与特性时刻都处于变化之中。因此根据已获得的负荷数据所建立的负荷模型的泛化能力对于其可信度具有重要的意义。同时,负荷建模工作还面临一些工程实际应用的问题。本文提出了用统计学习理论中的支持向量机方法研究负荷的统计学特性。通过应用支持向量机工具建立负荷数据的特征样本空间,基于特征样本空间建立综合负荷模型。虽然特征样本集仅是原样本空间的一个小的子空间,但依其建立的负荷模型对负荷样本空间内的数据都具有强的解释能力,因此该模型具有很好的泛化能力;同时揭示了负荷样本空间的可降维性,提出了处理负荷数据的方法。文章以东北电网实测负荷数据的分析为例,说明了该方法的有效性。