短期负荷预测是电力系统安全、稳定、经济运行的重要保障。但短期负荷具有不确定性、随机性等特点,且随着可再生能源向电力系统不断渗入,发电侧与需求侧不确定性不断增加,确定性预测结果无法反映负荷变化的可靠波动范围,不能有效满足计划调度、风险评估、分析可靠性等工作对概率预测结果的需求。需研究概率短期负荷预测方法,以概率预测结果度量负荷变化不确定性,作为决策依据。但预测各环节中仍存在:预测前,未有效计及多源气象信息差异性,纳入影响短期负荷变化主因的气象因素、特征选用不明确;预测时,概率预测方法误差统计繁琐、模型复杂度高;预测后,各评价指标结论冲突、决策困难等亟待解决的关键问题。针对上述问题,提出计及多源气象信息与评价指标冲突的概率短期负荷预测方法,以获得精确可靠的概率预测结果。预测前,为解决特征选用不明确问题,详析不同时间尺度上负荷周期性变化,确定周期性特征集合;分析负荷自相关性,确定负荷特征集合。预测前,为解决未有效计及多源气象信息差异性,纳入气象因素影响问题,采用核密度估计等方法对比与待预测负荷相关各气象站温度统计特性,采用相关系数分析温度与负荷相关性,表明各站点温度统计特性及与负荷相关性方面存在差异,引入气象因素时,有必要选择气象信息,构造气象场景。基于此,提出气象信息选择策略:构造温度特征集合,基于各气象源或组合展开预测并评价,确定研究气象场景。验证表明,通过气象信息选择或组合有效提高负荷预测准确性。预测后,为解决多指标评价结论冲突、决策困难的问题,提出面积灰关联决策方法综合评价预测结果,优选模型,算例表明面积灰关联决策与原始决策信息相一致,有效克服多指标评价结论冲突问题;相较距离灰关联决策更明确地分辨模型间差异,结论更可靠。预测方法上,为解决部分研究方法误差统计过程繁琐、主观性强,或模型复杂度高等问题,采用结构简单、预测结果有概率意义的高斯过程回归(Gaussian Process Regression,GPR)方法。选择协方差函数确定最优GPR模型,对比其与预测误差统计法、分位数回归神经网络等主要概率模型预测效果,结果表明最优GPR模型在确定性预测方面更准确;在概率预测方面,准确刻画了负荷的波动性,保证预测可靠性的同时,精确性更高。气象场景上,采用面积灰关联决策,确定不同气象场景下最优GPR模型并展开对比,算例结果表明通过选择气象信息,构造合适气象场景,有效提升了概率短期负荷预测的准确性、精确性与可靠性。