短期负荷预测已成为电力系统安全稳定运行和维持供需平衡的重要基础。随着近几年负荷的迅猛增长和电网形态的日趋多元化,电力供应紧张程度进一步加剧,致使各个电力公司都面临着经济和技术的挑战。因此,对短期负荷预测进行研究在电网运行和调度优化中具有重要的现实意义。为提高短期电力负荷预测的预测精度和预测效率,本文提出了一种基于改进人工蜂群算法优化BP神经网络的预测方法。首先详细分析了西安地区电力负荷、气象等数据,利用多元回归统计方法对负荷与气象因素之间进行相关性分析,筛选出负荷预测的关键影响因素,为后续融入模型提供理论支撑。其次,通过数据双向比较法对负荷数据实现预处理,以确保建模和预测过程中数据的合理性和整体性。最后,针对BP神经网络初始值敏感和易陷入局部极值的缺陷,提出改进人工蜂群算法(IABC)实现BP初始参数权值和阈值的优化,其中改进人工蜂群算法采用四个标准函数进行测试,验证该改进算法的先进性与可行性。通过确定网络最佳参数后构建了IABC-BP预测模型,并利用西安地电力负荷和气象数据进行实例预测。研究结果证明:IABC-BP模型平均绝对百分误差为1.353%,比BP模型、ABC-BP模型分别降低了4.570%、2.279%,均方根误差为1.9%。采用优化算法使BP网络得到最佳初始参数,因此也进一步提高了收敛速度。由此可见优化模型下的预测结果具有最优的准确性和稳定性,并可应用于实际电网。