电力系统负荷预测就是考虑系统运行特性、自然条件、社会条件和地区经济发展状况等重要因素,将历史负荷值经过一系列的数学计算,确定未来某特定时刻的负荷值,并保证预测误差满足一定精度要求的技术。短期负荷预测是指提前1天至1周内的日负荷预测,其核心问题是预测模型的建模问题。基于神经网络、专家系统、模糊理论等人工智能理论的非数学模型法的提出,为解决负荷预测中复杂的建模问题提供了一种有效的方法和途径,推动了电力负荷预测由简单地依靠计算预测模型向着依靠计算、分析、推理等多种接近于人脑逻辑思维的智能化预测模型的方向发展。本文采用神经网络对短期负荷预测问题进行研究,并对BP网络与Elman网络进行了优化,利用优化后的网络进行建模与预测方法研究。论文在预测模型建立后,利用用菏泽某地区电网的历史负荷数据,对影响当地负荷特性的因素进行了分析。本文采用MATLAB软件进行编程,建立网络模型并训练,实现仿真预测,并对不同的网络模式,相同网络不同输入节点模式的预测误差进行分析比较。同时设计了电力短期负荷预测的用户界面(GUI),使输入输出更为直观和方便。通过对典型系统的测试分析,表明本文所设计的电力短期负荷预测模型是有效可行的。