短期电力负荷预测对于地方电力系统的运行、实时调控均十分重要。随着市场经济的发展,在追求运行效率、提高经济效益的前提下,市场的供需关系与发电计划的准确率息息相关,针对用户的电力需求进行预测就显得尤为重要。精准的电力负荷预测已然成为电力议价、供需关系平衡所不可或缺的重要环节。本文以提高短期电力负荷预测精度为目标,研究基于BP神经网络和粒子群算法的短期负荷预测模型及其在辽阳地区的典型应用。首先对辽阳地区电力负荷分类及短期负荷特性进行分析,研究负荷的周期性、随机性和相似性,以及短期电力负荷本身具有的时序性和非线性特点。对基于“基准日”电力系统辽阳地区短期负荷预测进行分析,明确电力系统目前负荷短期预测的方法及误差情况。对辽阳地区负荷与影响特征因素进行皮尔逊相关系数分析,为后期负荷预测建模奠定基础。进而对BP神经网络的算法及流程进行分析,以辽阳地区为背景,在历史负荷数据采集、分析的基础上,研究该地区负荷特点,综合考虑天气等因素,对选取的初始输入数据进行量化及归一化处理,建立基于BP神经网络的辽阳地区短期负荷预测模型,并进行仿真预测实验,对辽阳地区2019年夏季、秋季及2020年冬季预测日24h各整点时刻负荷值进行预测,对照电力系统目前负荷短期预测结果,其预测精度均有所提升,预测相对误差均在10%范围内。最终针对BP神经网络算法存在的迭代时间长、易陷入局部极值及收敛速率慢等不足,引入粒子群算法优化BP神经网络构架。应用基于粒子群优化神经网络算法进行建模仿真,并与应用BP神经网络模型的短期负荷预测结果进行比对及分析,预测结果表明基于粒子群优化神经网络模型在电力系统短期负荷预测方面具有较好的非线性映射能力,可提升学习精度和学习速率,预测相对误差在3%范围内。经分析后得出,经粒子群优化后的神经网络模型预测出的结果精度更高,其精确度可以满足电力企业调度部门的预测需要,可为电力系统实时调控提供有力支撑。