本文提出了一种新型的短期电力负荷预测方法—基于支持向量机的预测方法，详细论述了该方法的理论基础、模型建立、算法选择及具体应用。 针对负荷惯性较大、规律较明显的地区，本文选择了适当的样本数据，将支持向量机方法及BP神经网络法分别用于预测实践，算例结果表明，在预测精度方面，支持向量机方法优于BP神经网络方法。 由于气象因素对短期电力负荷预测精度的影响，本文提出了考虑气象因素的支持向量机方法，并结合具体地区，给出了多种气象因素的量化方法，实践结果表明，考虑气象因素的支持向量机方法能够显著提高预测精度，并能扩展预测模型的适用范围。 针对负荷波动较大的地区，本文提出了结合Fourier算法和支持向量机方法的综合预测模型，并分一般工作日及节假日两类情况，分别给出了该模型在具体课题中的应用。