本文研究短期电力负荷预测的方法和预测时需主要考虑的影响因素。电力系统负荷预测是根据电力负荷的历史数据及影响电力负荷的各种因素,包括经济、社会、气象等来分析预测未来某一时段的负荷变化趋势。负荷预测对电力系统的很多部门都很重要。例如中长期预测是电力系统的规划、计划部门所关心的,短期预测则是营销(用电)、市场交易、调度等部门工作的主要依据。而影响电力负荷预测的因素是各不相同的,不同的影响因素对应不同的处理办法。本文第二章通过对用电情况的分类说明了不同预测类型需考虑的不同影响因素。本文第三章首先以小波变换为基础理论,对某地区3个月的负荷原始数据进行去噪,应用Haar小波对负荷数据进行了五层分解,后对其应用软阈值函数去噪,得到了比较理想的负荷数据,为提高短期电力负荷预测精度奠定了基础。第四章分析了短期电力负荷预测中气象因素处理的总体理念,用直观法和相关因素法分析温度因素与负荷的相关性,得出了平均温度是影响短期电力负荷的主要因素。最后分别应用BP网络和ELMAN神经网络做不同情况下的短期电力负荷预测。结果表明,负荷数据经小波去噪并在预测中考虑平均温度因素,结合ELMAN神经网络的短期负荷预测模型可以得到比较理想的结果。