电力系统短期负荷预测是电力系统调度、用电、规划等管理部门的重要工作。负荷预测水平直接影响电力系统的经济效益和社会效益。随着电力市场的发展，用电需求量急剧增加，短期负荷预测成为各个供电部门一个不可或缺的部分，而不再局限于一些负荷量较大的区域，在一些负荷相对小的区域如县级地区也逐渐兴起，以便更好地利用电能、完善电力市场。这些小负荷的县级地区，常常由于存在一定比例的冲击性负载而使得负荷具有大波动性，文中统称为小负荷大波动地区。目前，国内外对该方面的研究报告还比较少，且对于小区域的负荷预测主要集中在长期预测。本文对小负荷大波动地区短期负荷预测作了初步的探讨。首先，分析了小负荷大波动地区的负荷特性，其中最为重要的特征就是负荷波动性大、日负荷曲线毛刺多。、日负荷周期性规律被这些毛刺所掩盖。为了得到负荷的一般规律，本文采用小波模极大值的方法对负荷数据进行了预处理，一方面，可以识别和判断历史负荷的奇异信息；另一方面，对毛刺信号有很好的平滑作用，再现了负荷的内在变化趋势。在预测模型上，采用了人工智能理论中的前馈型神经网络理论分别建立了夏季和其它季节的两种负荷预测模型。同时，对于夏季负荷预测模型，考虑到当预测日的气候条件相对于训练样本发生变化时，由于BP网络不能够准确地做出反应，导致预测结果有较大的偏差，因此，对这一情况建立了基于相似日的短期负荷预测修正模型，修正后预测精度有较大提高。通过实例，证明了不同季节的两种预测模型具有较高的预测精度，对小负荷大波动地区这一类型的短期负荷预测有较好的实用价值。