随着电力行业改革逐步深入、电力市场趋于完善、电力企业获得自主经营权和自己承担盈利和亏损,电力系统负荷预测工作的重要性逐渐凸显,特别是短期负荷预测,逐渐成为电网经济、可靠运行的基础性条件。高精度的预测结果,对电力系统安全、经济、可靠运行有相当重要的意义。　　短期负荷预测的方法众多,但由于短期负荷预测受气温、电力供应能力、消费观念、经济发展水平和经济结构等不确定因素的影响,所以不同预测模型适用范围是不一样的,要保证某种模型在任意不同的时间和地域均能取得达标的预测结果是有难度的。因此在对负荷进行预测时,有必要分析预测地区的负荷趋势,根据实际的情况,选择理想的预测模型。　　本文主要探讨的是电力系统短期负荷预测中卡尔曼滤波的建模机理及建模过程。卡尔曼滤波算法是R.E.Kalman在1960年研究的适合数字计算机的一种递推滤波方法,最大优点是能充分利用待测数据过程的相关信息。其用于负荷预测的基本思想是:将电力负荷分为规律性分量和随机性分量,规律性分量一般采用线性回归模型预测,随机性分量采用卡尔曼滤波算法预测。文中主要探讨的卡尔曼滤波预测模型包括传统卡尔曼滤波预测模型、自适应卡尔曼滤波预测模型、无迹卡尔曼滤波(UKF)预测模型和容积卡尔曼滤波(CKF)预测模型。　　针对卡尔曼滤波预测模型基本参数求解,本文通过使用Hankel矩阵法辨识几种卡尔曼预测模型的阶,模型状态转移矩阵根据Yule-Walker方程和自相关函数法求取,根据经验和试探法初步确定量测噪声协方差和观测噪声协方差。针对自适应卡尔曼预测模型和容积卡尔曼滤波模型在建模过程中系统协方差矩阵易失去正定性及Cholesky分解在高维矩阵中耗时较长的现象,引入系统协方差平方根因子矩阵代替其Cholesky分解矩阵。针对无迹卡尔曼滤波定常的状态转移矩阵难以适应环境的干扰和过程的时变性,引入随时间变化的状态转移矩阵。通过对宜昌市日电力负荷进行预测,综合评价各卡尔曼滤波预测模型的预测结果,根据卡尔曼滤波理论及预测结果论述各卡尔曼预测模型的优缺及适用范围,根据建模过程中用平方根因子替代的滤波器模型始终处入稳定状态说明该改进方法是有效的。通过对某地区日电力负荷实例仿真计算,根据时变状态转移矩阵的无迹卡尔曼滤波器模型始终稳定收敛及较高精度的预测结果说明该改进方法是行之有效的。