电力系统短期负荷预测是对未来一周或者几日的实时用电量进行预测,是电力系统电网调度的一项非常重要的内容。准确的负荷预测是电力系统安全性和经济性的保证。在我国电力行业走向市场化的今天,它所提供的未来负荷数据对电力系统的控制、运行和计划都显得尤为重要。本文针对影响负荷变化的各种因素、负荷特性分析以及预测算法进行了研究。首先分析了日类型、天气类型、温度、日降雨量等各种因素对日负荷曲线的影响。然后研究了负荷的年、周、日的周期性,在此基础上对负荷预测方法进行了分析。通过小波变换的方法对历史负荷进行分析,把历史负荷曲线在不同的时域和频域分解开,从而得到趋势性负荷和细节性负荷两种不同性质的负荷子序列。针对温度积累现象进行分析,构建出积温量化公式,从而得到积温系数,发现当日的温度、天气情况、类型日以及积温系数等因素和趋势性负荷子序列有明显的强相关性,而细节性负荷子序列则表现出了比较大的随机性。根据不同序列表现出的特性,适当加入特征参数进行神经网络建模和预测,最后利用小波重构的方法把预测出的高频和低频子序列进行重构,得到最终的预测结果。最后,运用本文方法对华中某地区的电网负荷值进行了预测,结果表明此方法较传统的方法有效提高了预测精度。