电力系统的短期负荷预测作为电力调度部门的日常工作之一，已成为电网调度不可或缺的重要组成部分，其预测精度对电力系统的安全、经济和可靠运行起着至关重要的作用。影响负荷预测精度的因素有很多，在多种因素影响下，负荷的变化具有复杂性、非线性等特征。由于负荷预测的误差会导致运行和生产成本的增加，因此，提高负荷预测的精准度对电力系统控制、运行和规划都具有重要意义。　　本文叙述了电力系统短期负荷预测的研究背景和现状，并介绍了电力负荷的特性以及常用的负荷预测方法等。在此基础上，选择BP人工神经网络作为电力系统负荷预测的模型。通过对BP人工神经网络进行分析，发现其具有收敛速度较慢，且容易陷入局部最小的缺点，因此引入拟牛顿法和附加动量法对其性能进行改进，并形成一种改进型的预测模型。　　最后以南岸供电公司供区为背景，利用其负荷数据，对BP人工神经网络、拟牛顿法神经网络、附加动量法神经网络及改进型神经网络进行负荷预测仿真，仿真结果证明通过对BP人工神经网络进行改进是成功的，这种方法可以更好的满足电力负荷短期预测的精度要求。