由于经济的迅速发展,加大了用电需求,传统的电力供应方案无法满足这一需求,必须对其进行改进。鉴于电能的特殊性,必须按照实际需求完成生产,如何做出准确的电力负荷预测成为了电力系统调度管理部门的主要研究内容。当前大部分电力企业使用线性假设预测技术进行预测,但是得到的预测结果精度不是很高,神经网络技术的出现,为电力负荷预测研究开辟了新的研究路径。为了提高电力负荷预测结果精度,本文提出了电力负荷预测系统的设计与实现研究。本文依据电力负荷预测的影响因素,对人工神经网络的特点、典型的神经元结构、BP算法在负荷预测中存在的不足进行分析,构建了一套短期电力负荷预测模型。使用该模型对历史数据进行预测,但是精度不是很高。在其基础上,本文选取了合适的小波基与分解尺度,对小波阈值去噪算法进行了改进,并将其应用到短期负荷预测系统开发中。该系统设计内容包括数据存储方案、预测算法、专题图算法流程、硬件方案、软件方案、预测算法。本次研究采用JAVA语言完成系统程序开发,使用bernate技术对数据访问进行抽象处理,通过数据通讯建立了历史数据传输平台,开发出了一套短期负荷预测系统。本文研究取得的主要研究成果:首先就是基于电力负荷的基本需求,通过CVMS平台进行系统设计,构建满足当下需求的电力负荷预测系统。其次,本次研究以小波阈值去燥改进算法进行结果分析,通过对试验效果进行对比分析,以此来验证小波阈值去噪算法可以有效解决原始负荷信号方差偏大的问题,有助于负荷信号去噪处理,并且为神经网络训练提供了高可靠性数据,达到了提高负荷预测模型预测结果精度的目的。再次,笔者在GVMS平台的基础上,利用JAVA语言对系统进行开发,并采用了传统的MySQL作为数据库开发,并通过数据通讯构建历史数据传输平台,且在硬件、软件、数据库方面进行了详细的设计,构建完成一套短期负荷预测系统,且测试结果表明,本系统运行良好,预测结果精度较高,能够满足负荷预测的基本需求。最后,本文针对传统电力负荷的不足及缺陷,利用全新的亭开发程序架构电力负荷预测模型,为电力负荷预测模型的未来升级发展提供支持。