传统交流配电网在新能源时代难以满足企业使用清洁能源的要求,更多的新建企业开始考虑使用直流配电网输电。相对于传统交流配电网,直流配电网可控性好,传输的电能质量高,电能输送时损耗小,使直流配网成为未来企业配电网发展的新方向。目前,如何对企业的短期负荷情况进行预测,实现有计划地从母线馈电用以保障企业配电网稳定运行,保障企业生产稳定运行是企业可以大规模使用直流配电网的关键技术,因此企业直流配电网短期负荷预测研究具有实际意义。首先,本文以企业直流配电网的实际运行情况为研究对象,以提高其短期负荷预测精度为主要研究目的,降低企业生产时产生的众多因素对预测结果的干扰,提高预测准确性。为准确找到出历史负荷数据因素以外其他的影响预测精度的因素,通过功率谱分析等研究方法得出相似日特征对预测的结果具有强影响性;同时对生产功率消耗进行规范化建模,利用皮尔逊相关系数法对交流负载进行分析,得出电机使用时间与负荷量存在强相关性。其次,历史负荷数据有缺失值和异常值以及一些噪声影响,为减少历史负荷数据序列对预测结果产生的误差,需要对历史负荷数据进行修补与清洗。对缺失数据与异常值进行修补,再对历史负荷数据序列进行小波阈值平滑数据处理,降低历史数据对预测结果的随机误差。然后,利用综合学习粒子群支持向量回归负荷预测算法（Comprehensive Learning Particle Swarm Optimization-Support Vector Regression,CLPSO-SVR）预测企业负荷使用情况。该算法以支持向量回归算法作为预测算法,利用了粒子群算法对支持向量回归算法参数进行整定,避免了SVR算法陷入局部最优,SVR参数提前选定,不再更新,提升了预测算法预测精度。最后,对CLPSO-SVR算法仿真验证,其结果的平均绝对百分误差值为3.92%,较其它算法降低了0.14%到1.24%;均方根误差值为4.18%,较其它算法降低了0.81%到2.38%。同时也在小样本企业负荷数据有良好的表现,验证了CLPSO-SVR算法基本上可以在企业直流配电网完成负荷预测的任务。