电力负荷预测关系到电力市场的稳定和电力资源的合理配置，对于整个电力行业来说具有重大意义。短期电力负荷预测中，针对负荷数据维数比较高、各影响因素差异大、样本数据差异性大等问题，本文在传统相似度和支持向量机的短期电力负荷预测算法基础上，提出一种基于加权相似度和加权支持向量机的短期电力负荷预测算法。为此，本文主要做了以下工作：(1)采用加权相似度法选取相似日。本文考虑的影响因素包括最高温、最低温、天气情况、季节、星期和日期间隔。首先，通过对各影响因素的分析，对各影响因素进行量化分析，并利用主成分分析得到负荷数据的综合因子；然后，利用灰色关联分析计算综合因子与各影响因素的关联度，同时根据关联度计算各影响因素的权重，并采用加权相似度公式来计算相似度；最后，根据相似度选择相似日。(2)采用加权支持向量机对96点负荷进行预测。短期电力负荷数据中，样本数据之间具有一定的差异性，通过上述加权相似度公式计算出的相似度既反映了样本数据与预测日数据的关系，同时也反映了样本数据的重要程度。所以，在支持向量机模型中，加入一个权重系数，并选择相似度作为权重系数，以解决样本数据差异性问题。通过实例分析，较之传统相似度和支持向量机法，该法具有更高的准确率。最后，本文分别对节假日中法定节假日负荷预测和非法定节假日负荷预测做了相关讨论，并得出了一种有效地节假日负荷预测方法。通过实例分析，该方法具有良好的精度和效果。