对电力系统调度部门而言,提前预测出未来负荷是一项非常重要的工作,短期负荷预测结果的精确程度不仅关系到电力系统的安全运行,还关系到电力企业的经济效益。本文提出了一种基于相似日的IEM-BP短期负荷预测模型。通过分析短期负荷特性及各影响因素,提出综合相似度模型来寻找相似日。综合相似度模型从日特征量和日期距离两个角度出发,综合考虑温度、降雨、日期类型、负荷的周期性以及“近大远小”的影响,用日特征量和日期距离的乘积来量化综合相似度。在建模过程中引入一种新型的智能方法——仿电磁学算法,并针对该算法进行了改进,用改进后的仿电磁学算法来优化BP神经网络的初始权值和阀值,最终建立基于相似日的IEM-BP短期负荷预测模型。用该模型与单纯的BP模型、EM-BP模型、PSO-BP模型对同一天负荷进行预测,仿真结果表明本文提出的模型在预测精度上具有明显的优势。为了进一步验证,用基于相似日的IEM-BP模型分别预测普通工作日和节假日一周的负荷,普通工作日一周的平均相对误差为2.60%,节假日一周的平均相对误差为2.58%,结果证明该方法在预测负荷时具有稳定性和可行性。