短期负荷预测是指考虑一些影响负荷的因素以及历史负荷数据，对未来的用电需求做出预测，对于电力系统来说是一项十分重要的工作，直接关系到电力系统的生产安排、经济调度与安全运行。由于影响负荷的因素众多，至今仍没有高效而通用的预测方法，随着电力市场的深入发展以及电网的日益智能化，精准的负荷预测对于电力系统的规划及经济效益越来越重要。针对湖南地区夏季气候的典型特点，考虑典型气象因素的影响对湖南夏季日最大负荷进行预测。通过分析湖南地区夏季日最大负荷的变化特性，挖掘各气象因素与负荷变化之间的关系，重点研究高温累积效应，降水滞后效应，温度突变等典型气象因素对负荷变化的影响，并对相关的气象因子进行了修正，提高其与负荷之间的相关性。介绍了湖南地区夏季独特的气候状况以及小水电发展状况，其气象特点是气温突变情况时有发生，且温差很大，持续性的高温天气以及持续性的降水情况也是湖南夏季天气的典型特点，有必要将它们进行合理地处理并加以考虑；由于小水电的发电直接送至主网供电，其出力情况必将影响统调负荷的大小，因此小水电的出力情况也是影响电网负荷水平的主要因素之一。利用神经网络良好的自学习能力以及非线性逼近能力，将其应用于挖掘各典型气象因素与日最大负荷之间的关系，建立了湖南电网日最大负荷预测的神经网络模型，通过调节不同的隐含层节点数，寻求到了使误差最小的最优隐含层节点数，通过选择能够代表湖南夏季负荷变化规律的样本训练网络，使网络能吸取湖南夏季负荷变化的规律，运用所训练的网络对考虑与忽略典型气象因素影响的结果进行对比，对比结果表明，将考虑的典型气象因素以及小水电出力状况作为输入变量加入到湖南地区负荷预测的模型中能够提高预测的精度，对湖南地区的夏季日最大负荷预测具有一定的实际意义。