随着电力合作在“一带一路”沿线国家的不断升温,电力工业已成为能源行业拓展业务的重要区域。为了保证电力能源供应的连续和稳定,实现电力调度精确化和运营安全经济化,针对电力负荷预测精度不高的问题,本文运用混沌动力学理论,分析了一种具有隐藏吸引子结构的三维jerk混沌系统,并运用混沌时间序列分析理论以及径向基函数(Radial Basis Function,RBF)神经网络预测理论提出了一种混沌时间序列的RBF神经网络预测算法,并成功应用于两类地区电力负荷短期预测的现实工程问题的解决,有效地改善了电力负荷短期预测的精度。首先,本文综述了电力调度、运营管理中短期电力负荷预测的重要性,以及短期电力负荷预测的各类方法。同时对课题研究所需的混沌动力学理论以及最佳延迟时间和最佳嵌入维数的选取方法、相空间重构等混沌时间序列分析理论进行了介绍。其次,针对一类具隐藏吸引子三维jerk混沌系统,对系统的耗散性、平衡点以及稳定性进行了探究,并对不同参数下系统的吸引子类型、Lyapunov指数以及Poincare截面等动力学行为进行了分析,并通过系统的电路设计,验证了三维jerk混沌系统的正确性。再次,通过互信息法以及Cao算法分别计算了三维jerk混沌时间序列的最佳延迟时间和最佳嵌入维数,对三维jerk混沌系统的相空间进行了重构。同时,结合RBF神经网络预测理论提出混沌时间序列的RBF神经网络预测算法,并分别应用于三维jerk混沌系统、Lorenz系统和Logistic系统。可以发现,三维jerk系统混沌时间序列RBF神经网络预测算法效果最佳,绝对误差稳定且平均绝对误差最小。最后,以两类地区同时间的周电力负荷为例,进行混沌识别,计算了连续功率谱,最大Lyapunov指数等,并重构了负荷时间序列的相空间。同时基于混沌时间序列的RBF神经网络预测算法,对这两类地区同时间的周电力负荷进行预测,并将所提算法与单一RBF神经网络预测算法进行预测对比,本文所提算法绝对误差更稳定,误差波动更合理,平均绝对误差更小,且数值验证了其普适性、可行性和有效性。