电力负荷预测是电力系统经济运行的基础,对电力系统规划和运行都有十分重要的作用。目前,随着各地区用电需求的不断增加,精确的短期负荷预测也变得越来越重要。陕西某区域电网作为支撑国家“一带一路”战略、服务某新区经济发展的重要能源保障,近年来积极落实国家电网公司“碳达峰、碳中和”行动方案,争做能源清洁低碳转型发展的引领者、推动者、先行者。该地区的短期负荷预测依赖于运行维护人员的经验,通过相似日的负荷水平来估计当下负荷值,预测结果误差较大。短期负荷预测对该地区电网安全、稳定、经济运行有着重要的意义,如何提高该地区短期电网负荷预测质量,一直是该地区电力工作者的一大难题。本文以陕西某区域电网的电力负荷数据为研究对象,结合短期负荷预测流程,主要研究了数据处理、人工神经网络、构建负荷模型和预测分析等相关内容,提出一种基于改进的集合经验模态分解（Modified Ensemble Empirical Mode Decomposition,MEEMD）和神经网络的短期负荷预测模型,主要完成了以下工作:通过大量阅读国内外相关文献资料和分析国内外负荷预测现状,在短期负荷数据预处理上,针对陕西某区域电网的具体负荷特性进行分析。深入学习经验模态分解（Empirical Mode Decomposition,EMD）、集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）、改进的集合经验模态分解原理,分别对该地区电网的负荷数据进行分解和分析,通过结果对比发现,使用MEEMD方法不仅解决了模态混叠问题,而且对原始负荷数据中高频项的处理效果更好,有助于提高负荷预测精度。对比研究BP神经网络、Elman神经网络、小波神经网络的基本原理和预测算法流程,采用平均绝对百分误差（The Mean Absolute Percentage Error,MAPE）等作为评价指标,对三种神经网络的仿真结果进行对比分析,发现BP神经网络误差最小且数据拟合的最好。将EMD、EEMD和MEEMD分解后的分量重构新信号,结合BP神经网络,分别建立EMD-BP模型、EEMD-BP模型、MEEMD-BP模型进行预测。通过对预测结果的分析对比,发现MEEMD-BP模型对陕西省某区域电网的短期负荷预测效果最佳,结果符合实际,对该地区电网运行具有指导意义。