为了快速准确高效地预测短期电力负荷，提出了一种带扩展记忆的粒子群优化技术（PSOEM）和支持向量回归（SVR）相结合，以历史负荷数据、气象因素等作为输入的基于PSOEM-SVR的短期电力负荷预测方法。PSOEM比传统PSO收敛速度更快精度更高具有更强的寻优能力，用它来优化组合核函数SVR参数，减少了SVR参数设置的盲目低效性，获得较优的PSOEM-SVR预测模型。该模型的实例仿真预测结果表明该方法比BP神经网络具有更好的准确性和稳定性，平均绝对误差控制在1%以内。