电力系统短期负荷预测是电力系统的一项非常重要的工作,高精度的预测需要考虑因素的全面性和优秀的预测模型和预测方法来保证。近些年来,许多专家学者提出了很多把智能算法应用到电力系统负荷预测中的实例,也有几种智能算法结合使用的情况,使得电力系统负荷预测得到了快速的发展,预测精度也有很大的提高。本文将小波分析理论引入电力系统负荷预测中,使用神经网络进行预测构建了小波和神经网络的短期负荷预测模型。小波分析理论是一个相对较新鲜的概念,近几年才慢慢应用于电力系统的相关方面,使用小波分析理论将原始的负荷序列进行分解,而不是直接使用神经网络进行负荷预测,这样可以将负荷数据序列的高频分量和低频分量分解开来,更好的挖掘负荷数据序列的更加深层次的隐藏信息,然后再使用神经网络算法进行分别预测,本文使用BP神经网络、RBF神经网络和GRNN神经网络进行预测,而且还将非常经典的灰色预测模型GM(1,1)引入到模型中来,最后再将小波分解的序列进行重构,即可得到预测的结果。将模型应用到一个具体实例中,结果表明,预测精度完全满足要求,并且较没有使用小波分析理论的模型预测精度有一定的提高。