负荷预测是指在充分考虑一些重要的系统运行特性、增容决策、自然条件与社会影响的条件下,研究或利用一套系统地处理过去与未来负荷的数学方法,在满足一定精度要求的意义下,确定未来某特定时刻的负荷数值。精确的负荷预测,尤其是短期负荷预测对电力系统的生产安排、经济调度和安全运行都起着十分重要的作用。本文采用人工神经网络(ANN)的预测方法对负荷进行预测,该方法吸收了神经网络非线性逼近能力的优点,具有强大的模式识别能力、良好的自适应性、自组织性和容错性以及较强的学习、记忆、联想、识别能力等,适于解决时间序列预报问题。在实际预测中,该预测方法取得了较高的预测精度。模型的建立和实现是在MATLAB7.6.0环境中编程实现的,充分发挥了MATLAB产品长于数值计算、高效方便地处理大量的数据以及复杂矩阵和数组运算的特点,应用了产品中优秀的神经网络工具箱,编程简单,使用方便。本文针对神经网络应用于电力系统短期负荷预测(分季节模型)做了相应的研究,其中包括历史数据的处理、样本个数对网络的影响、神经网络隐含层节点数的选取以及对气象条件敏感性的分析等。综合考虑多种因素影响,最终取得了较好的预测结果。