本发明公开了一种基于粒度支持向量机的冷热电短期负荷预测系统及方法，考虑了影响冷热电短期负荷预测的各类关键影响因素，通过采集历史冷热电负荷和关键影响因素的样本数据，运用共享最近邻相似度把样本划分为若干个信息粒，利用k最近邻连通度提取每个信息粒关键支持向量点，针对支持向量点进行支持向量机训练后得到最终的决策模型，然后利用决策模型进行冷热电负荷预测，以提高短期负荷预测准确率和降低时间复杂度。本发明方法在保证关键粒化信息不丢失的同时减低了负荷训练样本的复杂性，克服传统粒度支持向量机对短期负荷历史样本数据粒化的随机性，从而获得较好的预测精度和模型泛化能力。