随着我国电力事业的发展，电网管理日趋现代化。负荷预测问题的研究也越来越引起人们的注意，并已成为现代电力系统科学中的一个重要的领域。电力系统短期负荷预测是电力系统调度和计划部门安排购电计划和输电方案的基础，提高短期负荷预测精度，对提高电网运行的安全性、经济性、改善供电质量有非常重要的意义。本文从电力系统本身特点出发，研究了神经网络和模糊逻辑基本概念和方法，充分发挥人工神经网络具有的逼近任意非线性函数的特征和自学习能力和模糊逻辑擅长处理不确定性、不精确性及噪声问题的能力，设计出一个有效的电力系统短期负荷预测系统。系统针对电力系统受多种因素影响的特点，着重考虑温度、日期类型等因素，尤其加入了特殊日期因素对负荷值的影响，更加适合短期负荷的特点和要求。 首先，从负荷预测的角度出发，本文阐述了电力系统负荷预测的作用、意义、研究目的及国内外研究的发展现状，分析比较了现有的各种算法。 其次，通过对影响电力系统负荷因素的分析，一般算法大都考虑的是温度、天气及日期类型对负荷的影响，但对于日期分类时大都分为工作日和正常休息日，而对于一些特殊日期、特殊事件对负荷的影响考虑的较少。本文提出了对特殊日期、特殊节假日及特殊事件进行对比分析，根据实际情况进行处理。对于其他影响因素，主要考虑了温度和正常日期的影响，应用模糊逻辑技术对这些影响因素进行模糊化处理，使样本空间中的数据成为具有影响信息的模糊量，再利用神经网络算法对负荷进行预测。 最后，以盘锦电业局数据为例，与传统算法相比较，证明该方法比一般的单一算法更加精确，而且考虑的因素比常规算法更加全面，更加附合实际。