电力系统的短期负荷预测是电力系统优化运行的基础,正确预测某一系统的短期负荷,对该系统的安全、优质和经济运行有着重要的影响.该文提出了一个符合低水头径流式水电站特点的短期负荷预测模型,拟在葛洲坝电站,实现水电站优化调度.该文提出的神经网络预测机是一个多层前馈网络(MLP),采用BP学习算法来训练网络,在算法的实现中,提出了网络分解算法和分段变步长等方法分别对MLP网络和BP算法进行了改进.建立了新的小时负荷预测和日平均负荷预测机的模型,同时利用葛洲坝电站大量关于负荷、入库流量、温度的历史数据,编制程序实现了实时预测,实践证明,算法有着较好的收敛性和预测结果.探讨形成在准确负荷预测的基础上,葛洲坝电站优化调度的模型,从理论和实践两方面论证了基于神经网络负荷预测的短期水电厂调度的可行性.从而可以在一定的水库来水的情况下,提高水库的利用率,减少全年的弃水,达到节水增发.