电力系统短期负荷预测是电力系统运行调度中一项十分重要的内容,可以经济合理安排电网内部发电机组的启停,合理安排机组检修计划,降低单位GDP的能源损耗等社会经济效益,电力生产和消费日益市场化,短期负荷预测结果成为制定电力市场交易计划的重要依据,这就对短期负荷预测提出了更高的要求。由于常规算法不能较好地反映气象条件等外界因素对负荷的影响,而近年来人工神经网络法等智能算法具有高度的非线性映射能力,可以较好地考虑气象条件等因素对电网负荷的影响,所以本文采用了RBF(Radial Basis Function)神经网络;再者因为许多智能方法在学习收敛的速度方面、收敛的稳定性方面、收敛至全局极小点方面,缺乏指导模型自动选择的一般规则,因此本文将模糊控制引入到RBF神经网络中,较好的解决了上述问题。本文在分析了目前短期电力负荷预测的现状及各种预测方法、预测模型的基础上,根据电力负荷特性的变化规律,考虑了日期类型、温度、天气状况等影响负荷预测的因素,分别采用RBF神经网络和模糊控制与RBF神经网络相结合两种预测方法对实际地区电网进行了短期负荷预测,根据本文所介绍的方法编程,其结果表明预测精度是符合要求的,从而说明了该方法的可行性和实用性,并且具有较好的应用前景。