短期负荷预测是电力系统安全经济运行的重要保障,随着电力市场改革的深入及“新基建”等用电侧新业态的出现,对负荷预测技术的准确性、实时性和可靠性提出了更高的要求。本文针对短期负荷预测问题,提出基于改进模糊均值聚类的电力系统短期负荷预测方法。具体研究内容如下:（1）针对负荷特性及特征提取问题,给出电力负荷的主要特点及基于负荷特性分析的特征提取方法。一方面,通过对电力负荷历史数据进行变粒度分析,发现电力负荷在日、周时间段内具有拟周期性、与邻近时刻以及同相位时刻存在相关性。另一方面,结合电力负荷内在特征与相关影响因素,构造电力负荷候选特征变量,采用最大信息系数确定电力负荷的特征集合。（2）针对电力系统负荷曲线相似日划分问题以及模糊均值算法（FCM）初始聚类中心选取困难及曲线聚类方法中相似度衡量不准确等问题,提出基于双尺度度量的改进模糊均值曲线聚类方法。该方法通过引入皮尔逊距离与动态时间弯曲距离衡量曲线的纵向形状相似度与横向形状相似度,构造基于双尺度的初始聚类中心选取方法。同时,利用改进熵权法融合两种距离,构造算法的综合相似性度量。通过某地区实际负荷数据与聚类有效性评价指标验证了改进FCM算法的有效性、正确性与稳定性。（3）针对相似日选取的电力系统短期负荷预测问题,提出基于聚类的自适应相似日选取方法。该方法利用改进FCM算法对历史负荷数据进行聚类,将历史负荷数据划分为幅值接近、形状相似的负荷曲线簇。接着,将选取的相关因素作为决策因素,采用决策树算法对负荷进行识别,有效提高负荷的识别准确率。最后,将自适应相似日选取方法应用于4种预测算法中,验证了该方法的有效性,不同程度的提升了 4种预测算法的精度与速度。（4）针对相似日选取的电力系统负荷预测方法的性能提升问题,提出基于细菌觅食优化的支持向量机短期负荷预测模型。针对支持向量回归机中参数设置困难,利用细菌觅食优化算法良好的全局搜索能力以及较快的收敛速率,对模型的参数进行寻优。在相似日情景下,通过对节假日负荷进行预测,进一步提升了负荷预测模型的精度与速度。