人工鱼群算法(AFSA)是2002年李晓磊提出的基于鱼群行为的寻求全局最优的新型搜索策略,该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将人工鱼群算法应用于人工神经网络的学习,形成了人工鱼群神经网络模型,通过与BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较,验证了人工鱼群神经网络在全局寻优能力上的优势,进而利用人工鱼群神经网络进行电力系统短期负荷预测,建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性,以及求得全局最优值的能力,文中给出了改进的人工鱼群算法。当人工鱼种群的最优值在多代未变的情况下,加入了“跳跃”行为,改变人工鱼个体的参数,避免陷入局部最优并提高了寻求全局最优解的能力。然后建立了新的预测模型,实际编程表明,改进后的模型具有更好的全局最优化能力及稳定性。