电力行业是关系国家社会经济发展,关乎国家民生的重要基础性行业。负荷预测是电力系统日常运行和控制的一项重要基本工作。准确的负荷预测不仅是进行供电交易计划及调试计划的必要条件,而且能够满足人们日常的用电需求,降低发电成本,保证电网安全稳定运行。然而电力负荷会受到诸多因素的影响,如温度、季节、政治经济政策等因素都会对预测结果造成影响,增加了电力系统负荷预测的难度。本文阐述了电力系统负荷预测研究的背景意义,并围绕负荷预测以及相关预测方法两方面叙述了国内外的研究现状,对电力系统负荷预测的分类、负荷预测模型建立的步骤以及预测的评价指标等问题进行了研究。并列举出了几种广泛应用的负荷预测技术。为了提高预测模型的精确度,研究了对实际负荷数据进行预处理的方法。建立了基于花授粉算法和前馈神经网络的负荷预测模型,并分别用单一前馈神经网络方法与本文方法对工业园区实际用电负荷进行预测,通过对比分析后得到FPA-FNN法可以有效的提高算法整体的预测性能。为了进一步提高预测模型的精度,本文基于克隆选择算法对传统花授粉算法进行了改进,并建立了基于改进花授粉算法和广义回归神经网络的负荷预测模型。用MATLAB软件进行仿真,通过对预测结果进行比较后发现MFPA-GRNN法的控制参数更少,克隆选择算法的融入有效提高了花授粉算法的收敛精度,保证了模型的运行效率和预测效果。