电力系统短期负荷预测一直是电力部门的一项重要工作，它关系到电力系统的调度运行计划的制定。准确的负荷预测，不仅能大大提高电力系统的安全性和稳定性，而且能减少发电成本，提高运行的经济性。随着电力市场的建立和发展，96点负荷预测的作用越来越重要，表现在发电商，电网公司，购电者都需要以此为基础，进行电力交易，从而将预测精度直接与本身经济利益挂钩。 但96点负荷预测一直是一个难题，随着社会的不断发展以及人民生活水平的不断提高，影响电力系统负荷的因素日益复杂，各种传统的负荷预测技术已经难以适应这些变化。人工神经网络技术作为发展较为成熟的智能型算法为负荷预测提供了一种全新的解决方式，并成功地得到应用，它通过对历史数据的学习，把输入数据和输出数据之间的任意非线性关系通过一个人工神经网络反映出来，当网络经过训练后，只要输入相关的数据，就可以得到预测的数据。在电力市场运行机制下，负荷预测中不确定因素增大，难度增加，对精度的要求更高，因此人工神经网络法中输入数据的选取对于负荷预测的精度就显得至关重要。 本文通过查阅相关文献资料学习了多种96点负荷预测的方法，重点研究了人工神经网络算法的原理和应用特点，并学习了网络结构的多种改进方法，来避免网络训练震荡和训练时间过长等问题。并以长春地区若干年的96点负荷数据和气象数据为基础，研究负荷的变化规律以及各种影响因素(例如历史负荷、星期类型、气象因素等)对负荷的作用。引入了人体舒适度指数和相似日的概念，确定在人工神经网络中的样本输入量的选择以及训练样本的选择。 通过在样本输入量中以人体舒适度指数代替温度、风速和最大相对湿度三个气象指标，可以达到在强化网络输入样本和输出样本关系的基础上，减少输入样本的数量的目的。通过在训练样本中引入相似日的概念，可以达到提高训练样本和预测输出的相似性的目的。实际预测表明，引入这两种改进方法后网络训练时间减少，负荷预测的精度也得到明显的提高。 本文在理论研究的基础上开发了实用化的电力负荷预测系统并投入了使用。系统充分考虑了供电企业的工作规范，界面简单友好，使用方便，安全性强，可用于96点负荷预测和日负荷预测。实际应用表明，预测系统有效的提高了负荷预测的精度，大大减少了预测人员的劳动强度，对电力系统的运行调度起到了重要作用。