电力作为一种特殊的商品,必须“按需生产”,因为它不能大量存储。电力系统必须随时调整发电量以达到与负荷需求的动态平衡,否则会造成电量的过剩或者不足,甚至会影响电力系统的稳定运行,给电力公司造成严重的经济损失,除此之外,还会对电力用户的使用上造成不便。因此短期电力负荷预测在如今具有非常重要的现实意义,它不仅对电力生产、调度等行为起着至关重要的指导作用,更是对电力系统安全和经济运行提供了重要的保障。随着电力市场改革的不断深入,传统的电力负荷预测方法已经难以满足电力部门的要求,也没有实现真正的计算机化。本文主要分析了葫芦岛地区影响电力负荷变化的因素,并建立了基于标准BP神经网络模型的短期负荷预测方法;另外,在此基础上,对标准BP神经网络模型进行了改进,进一步提高了负荷预测的速度和精度。在电力负荷数据预处理中,通过数理统计等方式计算了负荷的偏离率并对数据进行归一化处理,使得预测的序列和结果更加合理化。在此基础上,建立了标准BP神经网络模型进行短期负荷预测,通过MATLAB平台研究了利用同一日期内不同时刻的历史数据预测下一时刻的负荷大小和利用不同日期同一时刻的历史数据预测下一日期该时刻负荷大小两个问题;最后对标准BP神经网络模型进行了改进并利用该改进模型预测了不同日期同一时刻的负荷大小。验证了文中所提方法的正确性和可行性,同时计算结果表明改进的BP神经网络模型具有较高的计算速度和精度。