电力系统负荷预测在电力系统安全、可靠和经济运行中起关键作用，它已逐步发展成为电力系统自动化领域中的重要研究方向之一。本文依托人工神经网络及遗传算法等理论方法，利用大庆油田电力总公司投入使用的远程电表集中抄收设备，对电力系统负荷的短期预测展开深入探索，论文主要完成以下研究工作。 基于对人工神经网络的基础理论的研究，利用多层前向网的通用逼近能力，论述了利用人工神经网络进行负荷预测的原理和方法，并建立了具体模型。 人工神经网络中的BP算法理论成熟但存在缺陷，从本质上来说它属于局部寻优算法，在存在较多局部极小的情况下很容易陷入局部极小点，且学习速度慢，不实用。针对这些问题，本文提出了利用遗传算法全局搜索能力强，结合神经网络的局部寻优能力，构成遗传神经网络。利用遗传算法对神经网络的结构及权值进行优化，从而达到加快寻优速度，提高训练精度的目的。 为使负荷预测的精度达到要求，对历史数据的精度有较高的要求。为减少坏数据对负荷预测的影响，本文提出了利用线性相位FIR滤波器对数据进行滤波的方法，经实际使用来看，FIR滤波器可有效滤除采样数据中的间断点。 将本文提出的人工神经网络模型应用于采油一厂的负荷预测，取得了较好的效果。