随着我国当前电力事业的突飞猛进发展，电力短期负荷预测是电力系统管理现代化的重要内容之一，是实现电力系统安全、可靠、稳定运行的基础，其研究受到人们广泛关注。自厂网分家以后，短期负荷预测的结果对电力企业的经济性和供电质量的影响更大，并直接影响到电网公司及各发电厂的利润和全社会的经济效益。因此研究精度高、运算速度快的负荷预测方法具有明确的现实意义和学术价值。　　 由于不同地区经济情况和电网自身建设情况不一样，各个地区具有其独特的负荷特性。本文首先对广西某电网的负荷特性进行研究，分析该地区负荷与气象因素之间的影响及关系，为做好负荷预测奠定基础。然后在负荷特性分析、神经网络理论原理和粒子群算法的基础上，研究应用混合粒子群径向基神经网络方法进行电力短期负荷预测。径向基(RBF)神经网络具有复杂的非线性处理能力，是一种实现逼近任意函数的神经网络，但也存在局部极小和收敛速度慢等缺点。为了克服这种缺点，采用混合粒子群算法，即杂交结合的粒子群（HPSO）算法，优化径向基神经网络的宽度和连接权值，发挥各自算法的优点，可以改善神经网络的泛化能力和学习能力，最后应用经优化处理的径向基神经网络对广西某电网进行电力短期负荷预测仿真测试。　　 仿真测试结果表明，该算法收敛速度快，网络性能好，预测精度提高，具有一定的实用性。