随着我国社会和经济水平的不断发展，电力系统的建设和运行取得了举世瞩目的成就，不断向现代化、智能化迈进，电网的管理水平也日益提升。在众多衡量电网运行管理水平的指标之中，电力系统负荷预测的准确度无疑是较为重要一环，而这其中，短期负荷预测准确度与电网调度部门的日常工作联系更为紧密，具有更加重要的意义。影响短期负荷预测准确度的因素较多，如该区域的历史负荷的变化趋势，此外还有受到一些非负荷因素的影响，比如气温、气象状况和运行方式等。本文在短期负荷预测方面所做的主要研究工作如下:
　　本文首先阐述了电力系统负荷预测的应用意义和分析方法，然后论述了模糊推理理论和人工神经网络的基本原理。本文第三章对人工神经网络的基本理论方法进行了较深入细致地研究，建立了神经网络负荷预测模型。该模型的输入变量考虑了历史负荷数据以及温度的影响，同时对输入负荷值进行缺失数据修补、数据平滑处理和归一化处置等一系列预处理。最后，本文阐述了一个基于自适应网络模糊推理系统（Adaptive Network based Fuzzy Inference System，简称ANFIS）的短期负荷预测系统，用实际负荷值对模糊神经网络进行训练和模拟，以达到对电力系统短期负荷预测的目的。从预测的效果来看，本文所提出的自适应网络模糊推理系统模型优于传统的BP网络的性能，加快了网络训练学习的速度，更符合实际应用的要求。
　　本文所提出的基于模糊神经网络的负荷预测模型为电力系统的负荷预测开辟了新的途径和思路，具有一定的理论研究和实际应用的价值。