准确的短期电力负荷预测能够帮助供电部门有效地拟定日前发电计划，合理安排电厂发电机组的启停，有效降低发电成本，维持电力网电能供需的实时平衡，提高电力系统的稳定性，具有良好的社会效益和经济效益。尤其在电力行业引入市场竞争机制后，负荷预测受到愈来愈多电力工作者的关注。支撑向量机是一种新颖的机器学习方法，能够利用高维映射把非线性问题转换为线性问题，在模式识别和函数回归估计具有不错的工作性能，然而，当有海量输入数据参与到训练模型时，收敛时间较长。本文首先列举了多种短期负荷预测算法，阐述各自的优缺点，接着由浅至深的介绍支撑向量机和聚类分析的基本理论。然后本文结合佛山地区的社会环境以及负荷特性，在对历史负荷数据进行必要的数据预处理之后，建立数据映射库，并利用模糊K均值聚类按照气候条件和日期类型挑选相似日。最后，以聚类后的相似日为输入数据，合理设置模型参数，在JAVA平台上训练支撑向量机模型，对佛山地区2012年3月28日96时刻点的负荷进行预测，并且将预测结果与用神经网络算法预测的结果进行对比。结果表明，基于模糊K均值聚类的支撑向量机算法能够有效提高电力负荷预测精度。