本文针对电力系统单一负荷预测模型存在的缺陷，将D-S证据理论用于短期负荷预测模型的融合。 首先，分别将三种不同的神经网络用于短期负荷预测，得到各自的预测结果和预测误差。在此基础上，运用证据理论Dempster合成法则对三种预测模型的权重进行融合，分别建立了权重提取和权重融合的数学模型，并通过对历史预测数据的分析，提取了D-S证据理论的融合样本，得到了权重融合后的预测结果，结果表明权重融合后的预测模型具有比单一预测模型更高的预测精度。另外，在权重融合的基础上，进一步提出了基于证据理论融合的分时负荷预测思想，通过规定预测误差的等级，确定各时刻预测误差的基本可信度分配，建立相应的信度函数，并用Dempster合成法则进行融合，通过对融合结果的分析进行模型择优，得到了证据理论融合后的分时预测模型。结果表明，经过证据理论融合后的分时负荷预测的精度有显著提高。