随着科学技术的不断进步，大量的用电设备涌入到人们的生产和生活中，以电能为主的能耗问题逐渐被突显出来。电能管理系统已经不仅仅局限于高压输配电系统的监控，低压侧的电能管理系统因其对用户电能的有效、实时的监控也备受关注。电能管理系统中的电能预测是对负荷进行整体规划的前提，为全局节能优化提供数据依据。本文针对低压用户,以高校用电为背景，进行了短期负荷预测算法的研究及系统的实现。相对于大电网而言，低压侧负荷具有波动性强、受外界干扰影响大等特点。结合神经网络和模糊系统的优点，采用模糊神经网络对学校负荷进行预测模型的建立。首先，针对测量值所特有的规律，采用纵向对比优化的方法对数据进行预处理；其次，针对影响负荷预测的因素如室外温度等，对其进行模糊化处理；再次，把数据进行归一化处理作为神经网络的输入；最后，通过预测算法实现学校负荷的预测。同时，本文对基于BP、RBF、模糊神经网络（FNN）以及动态模糊神经网络（DFNN）预测算法进行了算法对比，其中基于FNN预测算法因融合了模糊系统算法，较单一的神经网络而言具有更好的准确性和稳定性。而DFNN对FNN中的模糊规则数进行了寻优，降低了因规则数变化对预测造成的影响。负荷预测作为电能管理系统中的一个模块，本文从模块开发的角度，采用VC与MATLAB进行混合编程，实现算法与应用开发的良好结合，为算法更好的改进提供了便利。同时，VC与SQL Sever的有机结合，实现了数据实时快速的传递，并通过不断更新训练数据，实现模型随时间的不断优化。最终，用户通过预测模块能够准确实现对预测日各小时负荷的预测，为高校进一步节能提供了条件。