电力系统负荷是一个动态变化过程,它受地区经济发展、政治因素、自然条件等因素影响,因此,如何利用历史负荷数据以及收集其他历史影响因素,建立合适的短期负荷预测模型,进行快速、高精度地预测未来某一段时间的负荷值,成为了维持电力系统安全运行、电力市场供求平衡的关键点。短期负荷预测是指预测未来一天至一周的负荷值,对供电质量及可靠性的稳定提高具有十分重大的指导意义,同时是缩小负荷预测差额、减少运行成本以及利润损失的前提,因此,不断探索研究先进迅速有效的短期负荷预测方法显得日趋重要。本文首先介绍了国内外常见的趋势外推法、时间序列法、灰色模型、专家系统、神经网络、小波分析等负荷预测算法模型,然后选择了神经网络算法进行研究分析,详尽介绍了BP网络与Elman网络算法网络结构与基本原理,利用广州市番禺区某变电站10k V馈线的历史负荷数据,首先进行历史数据的前期的预处理,避免由于异常数据影响预测效果。同时通过对历史数据的负荷特性分析和相关性分析,研究剖析气温、日类型因素对10k V馈线负荷的影响。本文选择MATLAB软件进行算法编程,通过调用神经网络工具箱函数,分别建立BP网络与Elman网络模型并训练,并利用验证样本与仿真预测结果对比分析,根据仿真结果分析可知本文所采用神经网络负荷预测模型的合理性。另外根据利用不同神经网络算法的短期负荷预测结果在误差和收敛速度方面进行比较分析,表明在电力负荷短期预测的应用方面,Elman神经网络算法比BP神经网络算法具有更优预测性能。为了进一步提高预测精度,本文采取从Elman网络算法的激励函数和网络结构上进行改进完善,从而在短期负荷预测方面获取更优的效果表现。本文最后根据短期负荷预测模型的应用情况,总结提出相关问题难点和个人改进的方向见解。