提高电力系统负荷预测的准确度既能增强电力系统运行的安全性,又能改善电力系统运行的经济性。当前中期电力负荷预测的大部分方法多衍生于传统的线性统计理论,由于电力负荷序列的复杂性和不确定性,难以获得精确的预测负荷值。小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良的特性。本文在综述了国内外电力系统负荷预测的研究现状基础上,对近几年来发展迅速的与电力系统负荷预测相关的小波分析理论进行了研究。结合小波变换和傅立叶变换在分析月电力负荷频谱特性的基础上,来确定小波函数及原始序列的小波分解层数。给出了一种“分解-重构-预测-综合”小波神经网络电力系统负荷预测方法。通过小波变换将负荷序列分解并重构到原始序列尺度上,得到与原始序列长度相同的不同频段子序列,再对这些子序列分别采用BP神经网络预测,将子序列预测结果综合,得到最终的预测结果。该方法融合了小波分析良好的时频局部化特性和神经网络非线性逼近的优点,具有较强的逼近和预测能力。通过实例验证,对于数据较少的月负荷序列,该方法与传统的方法相比具有很高的预测精度和较强的适应能力。改善了对于训练集样本数据较少时负荷预测精度较低的状况,为少数据电力负荷预测提供了新思路。