作为电力企业的重要工作,负荷预测结果的准确性能够使得系统内部各发电机组的启动与停运更具经济合理性,确保系统的安全稳定运行,降低无必要的旋转储备容量,从而有效减小发电的成本,提升社会经济效益。因而,负荷预测水平的高低已经变成评价电力企业管理工作现代化水平的重要标准。本文在总结归纳已有的电力系统负荷预测研究基础上,介绍了电力系统负荷预测的基本概念,从时间、行业及特性三方面研究了电力负荷的分类,并将电力负荷进行分解,为后续研究气象因素对电力负荷预测精度的影响奠定理论基础。其中,重点研究了短期电力负荷预测过程,分析了系统内部、外部影响因素对短期电力负荷预测的影响。其次,本文提出了基于Adaboost算法的BP神经网络改进算法,对短期电力负荷进行预测。在修正、填补营口地区实际电力负荷数据基础上,对营口某日的电力负荷进行预测,并对预测误差进行了分析,可发现预测负荷与实际负荷相差较小,预测误差百分比绝大部分低于5%,验证了所提算法的准确性。最后,本文建立了基于实时气象数据的短期负荷预测模型,并采用一元多项式回归模型对负荷与各气象因素的相关性进行分析,选取平均温度加入到神经网络模型的输入量中,再次对营口地区的负荷进行预测。为了分析计及气象因素的负荷预测模型的效果,本文从已知的历史负荷数据中选取测试样本进行预测,并将结果与不考虑气象因素的预测结果进行对比,分析结果可发现考虑气象数据的预测结果与实际负荷更加接近,预测误差百分比相对降低。