电力工业是国家在能源领域的重大基础性行业,更是国民经济的命脉。随着我国经济的不断发展,我国电力建设也不断加强。然而在电网的不断发展与建设过程中,电力系统负荷的变化变得愈加复杂,准确的负荷预测变得更加困难。虽然负荷预测的难度不断加大,但是准确、可靠的短期负荷预测,对制定良好的发、送电计划、降低电力存储容量、避免重大事故、保障生产和生活的安全、节约经济以及提高社会效益等方面具有十分重要的意义。因此,实现短期负荷的准确、可靠预测被提到更为重要的地位。对此,本文以短期负荷预测为课题,主要做了以下几点研究工作和创新:1、基于对历史数据的经验模态分解,利用花朵授粉算法优化支持向量机内部的主要参数,并通过卡尔曼滤波修正预测初值,建立EMD-FPA-SVM-KF综合负荷预测模型。本文首先对收集到的历史负荷序列进行预处理,并通过EMD算法对修正序列进行不同尺度的平稳化分解。然后,提出利用FPA算法对SVM模型的主要参数进行优化,从而构建短期负荷的EMD-FPA-SVM预测模型。最后,为进一步提高该预测模型的预测精度,本文引入了卡尔曼滤波算法,利用其实时最优估计调整特性,将预测模型求得的初步预测值作为KF的观测值进行修正,从而建立电力系统短期负荷的EMD-PFA-SVM-KF组合预测模型。2、以统计学理论为基础,提出基于EMD-FPA-SVM-KF模型的短期负荷概率性预测方法,为科学评估预测方法的可信度提供依据。首先对原始负荷样本进行处理划分,求得相应的历史误差集;其次从横向、纵向两个层次分析误差分布特性,并求得相应区段的离散误差概率分布曲线;然后将误差概率分布曲线转化为负荷概率密度曲线,并求得相应置信水平下的置信区间包络线;最后通过实例论证该方法的可行性。3、基于本文提出的预测模型方法,在VB平台上进行预测软件各个功能模块的设计。最后通过VB与MATLAB的混合编程,从而实现对电力系统短期负荷概率性预测的系统软件设计。