电力系统短期负荷预测技术对制订系统日常运行计划和确保系统的安全、稳定、经济运行具有十分重要的意义。经济和环境的可持续性发展是人类社会的生存与发展的基础,智能电网为建立节能、高效、环保、安全、可靠的电力系统提供了方向。风能、太阳能等绿色可再生能源的并网发电是智能电网的重要组成部分,有效降低了传统能源的消耗,保护了环境。但由于其间歇性、不稳定性等特征,对电网的安全稳定运行提出了挑战。可靠的风电、光伏发电预测是智能电网环境下实现并网发电的基础。因此负荷预测问题,无论是在传统电网环境下,还是在智能电网的新环境下,都是电力领域需要解决的重要课题。本文研究并提出了一种密母核向量回归混合算法,并将该算法应用于电力系统短期负荷预测和风电输出功率预测问题中。在短期负荷预测中,负荷的特征是构建负荷预测模型的基础,本文通过对负荷特征的分析,得到了影响负荷的主要因素：日期类型与温度,根据这一原则构造样本。核向量回归模型是一种可以解决大规模样本的非线性回归问题的有效方法,其参数选择是影响模型复杂度和预测精度的主要因素,现有的优化模型如遗传算法和粒子群算法,一个共同的缺点是局部搜索能力不足,易陷入局部极小值。本文提出采用密母优化算法解决核向量回归的参数优化方法。通过实验分析了影响密母算法优化效果的两个要素：种群规模和局部搜索门限,实验结果表明适当的种群规模可以确保种群多样性,适当的局部搜索门限可以避免优化陷入局部极小值。基于同类型日样本构造方法的密母核向量回归模型,应用于短期负荷预测,与遗传算法核向量回归模型相比,在参数优化过程,密母算法在同等时间内,比遗传算法的寻优效果更好,寻优速度更快。密母核向量回归模型比遗传算法核向量回归模型的预测精度更高。最后本文又将密母核向量回归模型应用于智能电网环境下风电输出功率预测,实验结果表明该模型对风电功率预测同样具有可行性和适用性。