电网短期负荷预测是电力调度系统中的重要工作,准确的短期负荷预测,可以实现电网发电、调度的优化配置,最大限度的节省能源和保障社会稳定运行,对电力生产、调度、交易等有着重要的参考意义。本文首先对当前负荷预测方法进行了总结,并且研究了基于循环神经网络的短期负荷预测方法和Seq2Seq网络结构的发展。针对传统预测方法的局限性,本文提出了一种基于多重时间序列的Seq2Seq短期负荷预测算法。为了提升短期负荷预测算法的准确率和鲁棒性,本文在网络结构设计中结合了上海市短期负荷的基本特性,设计了多重时间序列特征和针对短期负荷预测评价指标的损失函数。针对节假日负荷预测,本文提出了基于迁移学习的节假日负荷预测模型,通过引入预训练和微调训练两阶段的训练方法,解决了节假日数据样本少的问题,提升了节假日短期负荷预测水平。基于上海市电网真实负荷数据,本文对Seq2Seq算法进行了详细的对比实验分析,证明了本文提出改进点的有效性。并且通过与当前几种典型的短期负荷预测算法进行比较,证明了在真实电网数据条件下,本文算法具有准确率高、适用性好的特点。同时考虑到实际应用环境,本文对提出的Seq2Seq模型进行了深入的特征分析和鲁棒性测试,为算法的实际应用打下了良好的基础。结合本文提出的Seq2Seq短期负荷预测算法和节假日负荷预测模型的构建方法,本文设计了全新的电网短期负荷预测系统。围绕电网短期负荷预测这一核心功能,系统包含有短期负荷预测、负荷分析与调整等功能模块,综合提升了短期负荷预测管理水平。最后本文对设计的短期负荷预测系统在上海市电力调度中心的实际运行结果进行了详细的分析,实际运行结果证明了本文提出算法的准确性以及本文设计系统良好的适用性和鲁棒性。