短期负荷预测是实现电力系统优化运行的基础,对于电力系统的安全性、可靠性和经济性都有着显著影响。目前,国家电网对负荷预测的要求越来越高,因此,应用智能算法进行电力系统的短期负荷预测,提高负荷预测的精度和稳定性,具有十分重要的意义。根据电力负荷的特性,本文将自组织模糊神经网络(SOFNN)应用于电力系统短期负荷预测。文章详细介绍了电力系统短期负荷预测的研究内容,并全面介绍总结了国内外负荷预测的方法,分别提出各预测方法的优缺点。通过传统的神经网络算法的不足,引用了一种新的算法,即自组织模糊神经网络算法(SOFNN)。该算法结构学习和参数学习方法简单,具有较好的非线性逼近能力、较好的预测精度及泛化能力等优点,并能够自动决定神经模型的结构并得出模型的参数。对基于EUNITE竞赛数据进行预测,对数据进行了预处理,垂直处理和水平处理的方法对电力负荷缺失数据做了修复和补充。预测结果表明,SOFNN算法预测优于竞赛优胜者的算法,亦优于模糊BP网络算法,且用周平均最大负荷预测值修正日负荷预测值,预测精度更高,该算法具有很好的实用价值。