（2）时间序列法

时间序列法就是按照时间的先后把一些数字排好顺序，然后利用这个顺序统计出规律，对之后一段时间内的数字变化进行预测。在利用时间序列法对目标对象进行预测的过程中，为了避免随机因素影响预测结果的准确性，需要先对历史数据进行研究分析，应用加权平均法对它们进行处理。在对历史数据完成预处理之后才能开展预测工作，这样得出的负荷变化规律更加准确。该方法通俗易懂、很好上手，但预测的精确性较差，所以一般只适用于短期预测。

（3）回归分析法

回归分析法就是通过统计大量的历史数据，分析输入输出数据之间的联系并且用函数的形式表现出来。回归的类型很多种，在多元回归分析的时候，一般也有涉及到相关性。比如一个产品的客户满意度可能来自于性能、价格、包装、品牌等等不同的因素，那么我们可以对这些因素进行分析，通过软件分析之后一般会有校验，这个会反映每个变量对于最终结果（因变量）的相关程度。通过校验，我们可以把一些与结果相关性比较弱的变量剔除。

（4）专家系统方法

专家系统在分析处理问题时需要有相关的知识作为理论依据，所以专家系统有必要建立一个巨大的知识库。专家系统的本质是一个具有人类逻辑功能的计算机程序，它无法直接利用知识来运行程序，所以需要制定一套完整的数学规则与之匹配，这是专家系统法最重要的一部分内容。

短期负荷预测的方法除了以上介绍的几种方法之外还有许多，他们各有各的优点和缺点，在一般情况下，一种方法会存在明显的弊端，但是这些弊端可以用另外的方法进行弥补，因此将不同的方法加以结合，利用智能算法去对模型的参数迭代寻优，使得模型训练得到的负荷数据与影响因素之间的关系更加贴近它们之间真实的关系，这种做法对提高预测的准确性发挥着重要的作用。