目前，国内外研发了许多种负荷预测模型和软件系统。多数模型的预测精度能够满足电力系统调度与用户需求，但在某些情况下，短期负荷预测结果并不总是很理想。因此，结合当地气象条件和自然光照的预测模型迫切需要发展。主要研究内容如下:　　(1)基于支持向量机和粒子群的算法，一个用于地区调度的短期电力系统负荷预测模型被建立。该方法将当地自然光作为影响预测精度的一个重要因素，因此可以提高预测精确度。　　(2)粒子群算法被用于优化支持向量回归模型的参数，其中空气温度和自然光照考虑作为影响因素。　　(3)通过对神经模糊网络和支持矢量机的预测结果比较显示，支持向量回归模型有最好的逼近性质,考虑电力系统负荷、空气温度和自然光照因素。　　课题的理论意义在于开发一种应用粒子群优化算法优化支持向量机的参数的预测模型。该方法建立了电力消费、空气温度和自然光照之间非线性关系以提高模型的预测精度。实际意义在于开发的模型可用来预测区域调度办事处分支机构的能源消费，批发发电公司和领土产生的公司、区域网公司,能源销售公司，以及在分派办事处的个别公司成员的批发或零售电力市场和权力。短期预测的计算机程序也被在MatLab环境下开发应用开发。