电力负荷是具有一定的周期性和随机性的非平稳时间序列，传统的预测方法是建立在负荷是平稳序列的前提下， 难以精确的预测。为了进行有效的预测，提高预测精度，提出将经验模式分解EMD（Empirical Mode Decomposition）和最小二乘支持向量机LS-SVM（Least Square Support Vector Machine）相结合对短期负荷进行预测。首先，运用EMD将负荷序列自适应地分解成一系列不同尺度的本征模式分量IMF（intrinsic mode function），分解后的分量突出了原负荷的局部特征，能更明显地看出原负荷序列的周期项、随机项和趋势项；然后，根据各个IMF的变化规律，采用合适的核函数和超参数构造不同的LS-SVM进行预测，最后对各分量的预测值进行相加得到最终的预测值。仿真试验表明，此方法具有较高的精度和较强的推广能力。