人工神经网络(ANN)是由大量神经元节点互连而成的复杂网络，用以模拟人类的某些智能行为，具有自学习、自适应及信息的分布存储等特点，现已应用于智能控制、系统辨识、智能监测等领域。 人工神经网络的发展，为解决非线性、大滞后、不确定的复杂系统的控制问题开辟了一条新的途径。本文研究单神经元，用所构造的单神经元构成单神经元控制器，算法简单，易于实现，而后组成一个基于单神经元的智能温控系统，对一具有大滞后、非线性、强耦合特性的多温区电加热炉进行实时温度控制，取得较好的控制效果。 多层前向人工神经网络(MFANN)是最常用、最成熟的人工神经网络，误差反向传播(BP)算法因简单易行而成为前向网络的首选，本文研究BP算法及改进方案、几种类型的多层前向网络的结构及相应的计算。 电力负荷预测是电力系统的一个重要工作，负荷预测的准确性对系统运行和生产费用有很大影响，它在保证电力系统经济、安全、可靠运行方面起着关键作用，已成为电力系统中能量管理的一个重要组成部分。预测被认为是人工神经网络最有潜力的应用领域之一，在电力系统中用人工神经网络方法来进行负荷预测，有快速、准确的优点。文中用所构造的几种不同类型的前向网络，应用于电力系统短期负荷预测中，并将预测结果进行比较，该神经网络预测方法继承了传统的时间序列法的思想，同时与相关因素匹配法结合起来，和传统方法相比，提高了预测的精度和速度，表明该方法是有效可行的。