负荷预测己成为能量管理系统(EMS)中一项独立的内容，对电力系统的规划发展、电力生产和调度，具有重要的意义，电网负荷预测技术也得到了越来越多的应用。现有负荷预测系统还不能完全适应实际工作需要，在一些方面需要进一步完善提高。本文全面介绍了电力系统负荷预测研究及发展的现状，对应用于电力系统短期负荷预测的各种传统及现代方法进行了概括描述，并分析比较了各种方法的优缺点及适用范围。分析了负荷的组成和特性、影响负荷预测精度的几大因素。研究分析了人工神经网络(ANN)在电力系统负荷预测中的应用，其优点是可模仿人脑的智能化处理,对大量非结构性,非准确性规律具有自适应能力,具有信息记忆力,自主学习、知识推理和优化计算的特点,还有很强的计算能力,复杂的映射能力、记忆能力、容错能力及各种智能处理能力,特别是其学习和自适应功能是常规算法所不具备的。人工神经网络(ANN)在电力系统负荷预测，具有更为广泛的实用前景，同时也取得了接近实用的研究成果。ANN在负荷预测的研究虽多，但在实际实施时还有不少问题需要解决，如神经网络结构的选取，对输入样本的选择、处理和隐含层节点数的确定各不相同；算法容易陷入局部最优值;电力系统负荷历史数据的预处理方法应用于电力系统预测的前馈人工神经网络的学习速度及预测精度还需进一步提高。在前面的分析基础上，提出应用结合遗传算法的遗传人工神经网络算法以提高人工神经网络的收敛速度及避免算法收敛于局部极小值。同时提出建立基于气候变化及社会活动规律的分类日期的分组预测模型方法。分组预测模型的遗传神经网络的短期负荷预测方法在惠州供电局短期负荷预测算例的应用结果表明，所建的预测模型和输入变量是合适的，学习速度和优化能力方面明显优于比BP网络，最大预测误差得到了较大的降低，负荷预测的精度能够满足电力市场条件下的短期负荷预测的实际运行需要。针对惠州电网应用的负荷预测系统存在的不足，通过总结应用情况，在预测系统的第二期改造中，通过增加知识库和模型库，采取改善负荷预测数学模型、增加知识库和模型库，以及提高软件的智能性、自适应性以及增加模型的自我评价功能等措施，改善了预测精度，提高了预测系统的实用性和可推广性。