电力系统短期负荷预测是电力部门的一项重要工作。它关系到电力系统的调度运行和生产计划，准确的负荷预测有助于提高系统的安全性和稳定性，能够减少发电成本。随着电力市场的建立和发展，短期负荷预测将发挥越来越重要的作用。电力系统负荷预测的结果是研究电力系统规划问题、电力系统经济运行及调度自动化的重要依据。 电力负荷是一个随机非平稳过程，其负荷数据由于受到各种因素的影响，可能存在某些“坏数据”或“不良数据”，这些数据夹杂在正常的负荷数据中，严重地影响了负荷预测的精度，本文提出了一种绝对均值法，实现了对不良数据的准确辨识和修正。 负荷预报模型由于只能对负荷规律性进行有限描述而在建模域中存在建模误差，在预报域中，与建模误差具有相同统计特性的误差分量就会延续到预报误差中。为此本文提出一种将频谱分析预测方法与基于灰色理论横向误差校正方法相结合的方法，由频谱分析预测方法进行纵向预测，利用预测时刻之前的整点时刻负荷预测的误差来建立灰色理论模型进行负荷预测的横向误差校正，并对灰色校正模型分点的判断方法作了改进，实例分析表明所提出的方法简单有效、具有可行性。 由于影响电力负荷预测的因素众多，用单一模型进行负荷预测时，只考虑了单一模型发展趋势，采用组合预测方法进行预测，兼顾了每个模型的建模特点。本文利用贝叶斯定理，计算出每个预测模型的权重，选取支持向量机预测方法和频谱分析预测方法，构造贝叶斯组合预测模型。采用本预测法对能很好反映负荷变化规律的模型赋予较大的权重，从而提高负荷预测精度。计算表明组合预测法的预测性能优于各单一模型，并且确保了模型预测的稳定性。