随着电力市场的发展,电力系统短期负荷预测将直接影响到电力市场的决策和电网的调度。对于电网而言,精准电力短期负荷预测可以制定有效的发电计划,避免不必要的电能浪费。对于电力市场而言,可以根据负荷预测结果来制定售电计划,从而使各方电力企业的利益最大化,所以对于提高电力短期负荷预测的精度就显得尤为重要。因此本文在分析电力短期负荷预测影响因素和对比现有预测模型的基础上,提出一种蚁狮算法优化极限学习机的短期电力负荷预测模型。首先,本文详细介绍了电力负荷预测的研究现状、概述及分类,分析了影响电力负荷变化的主要因素,概括了日负荷特性和节假日负荷特性变化特点。其次,介绍了人工神经网络的几个经典模型算法的基本原理,通过对实例的分析找到人工神经网络模型中预测最为精确稳定的单一模型,之后针对其单一模型所存在的不足进行研究。从而提出采用群智能优化算法的解决方案。然后,介绍了蚁狮算法的基本原理,构建了蚁狮算法优化极限学习机模型,并与群智能优化算法中的改进粒子群优化极限学习机模型通过应用实例的对比测试,验证其方法的优越性和有效性。最后,将所提出蚁狮算法优化极限学习机应用于短期电力负荷预测,通过案例分析验证了其具有更高的预测精度。