电力系统负荷预测是指导电力系统规划、经济运行及其调度自动化重要依据之一,预测精度的高低直接影响到电力系统运行的安全性、经济性和供电质量。实践证明,在电力系统发展日趋复杂的今天,各种传统的负荷预测技术已经越来越难以满足电力部门越来越高的负荷预测精度要求,而组合预测综合利用各种预测模型所提供的信息,能够有效地改善预测模型的拟合能力,提高负荷预测的精度和稳定性。本文首先概述了电力系统短期负荷的原理、特点、研究现状及发展趋势,分析了影响负荷预测精度的因素,并对电力系统的短期负荷预测的各种传统方法及现代方法进行了综述。针对BP神经网络收敛速度缓慢和容易陷入局部极小值的问题,本文提出了改进PSO-BP神经网络算法,综合考虑气象、天气、日期类型等影响负荷的因素,用改进PSO-BP算法训练神经网络,仿真实验结果表明该方法能加快网络学习速度,并提高负荷预测精度,改善了BP神经网络的泛化能力,对电力系统短期负荷具有良好的预测能力。