短期电力负荷预测是电力系统运行必不可少的运算，负荷预测的结果是系统安排发电计划、确定备用容量的基础，其结果的准确与否对系统运行的安全性和经济性都有着重要的影响。故而如何提高短期负荷预测的精度一直是人们致力研究的方向之一。 目前，国内外关于电力系统短期负荷预测的文献很多，但由于影响负荷的诸多因素和负荷的不确定性，使得短期负荷预测至今没有得到令人十分满意的解决。本文首先阐述了短期负荷预测的概念和意义，进而介绍了当前短期负荷预测的研究现状，并分析了现有几种负荷预测方法的优缺点。 其次，本文对神经网络理论进行了简要的阐述，并对两种前向型网络进行了详尽的分析，也对这两种网络的差异进行了探讨。 本文对所研究的地区电网的电力负荷特性进行了深入的分析和探讨。针对具体的电网研究了影响电力负荷变化的一些可测因素，并详细分析了各种因素与负荷特性间的具体影响关系。 在对负荷特性和神经网络进行深入分析的基础上，本文提出了建立一种基于BP网络和RBF网络的级联神经网络(CNN)预测模型。模型的子网络分别处理可测因素与历史负荷对负荷预测值的影响。在模型的实现过程中，对各种相关因素及输入量分别进行了合理的量化和归一化处理。最后将此模型应用于常规日负荷的预测之中。模型的算例结果分析表明，级联模型的预测结果达到了比较令人满意的精度，具有实用化的价值。 对于节假日负荷预测，本文提出了单独的解决方案。根据节假日负荷的特点，提出了具有长于贫信息建模的灰色模型。并将改进的灰色模型用于节假日的负荷预测。计算实例表明，预测结果具有较高的精度，证明了模型应用的可行性。