电力系统短期负荷预报是实现电力系统优化运行的基础,对于电力系统运行的安全性、可靠性和经济性都有显著影响。因此,寻求有效的负荷预报方法以提高预报精度具有重要意义。迄今为止,研究人员已经提出了许多有效的方法。本文应用目前较为流行的神经网络方法对电力系统短期负荷进行预报,主要进行了以下工作:1.了解电力系统短期负荷预报的现状,总结国内外的研究方法。2.深入学习神经网络及其相关知识,设计出用共轭梯度算法改进的BP网络,并将它应用于负荷预报中,收到了很好的效果。相比普通的BP网络,不但预报精度大大提高,而且学习时间也缩短许多。3.学习小波理论,尝试将小波分析与神经网络相结合,设计出一种小波神经网络,并将其用于负荷预报,收到了很好的效果。4.提出一种新型神经网络,即RAN网。它是一种能根据输入数据的复杂程度而自动添加或删除其隐层神经元的神经网络,尝试将其用于负荷预报,同样收到了很好的效果,并且将三种方案进行了比较。5.最后总结了本文的主要研究工作与收获,提出了一些改进方案,并介绍了电力系统短期负荷预报的发展前景。