配电网短期负荷预测是指预测周期以小时、天、周为单位的负荷预测，它是现代配电网运行研究中的重要课题之一。配电网短期负荷预测的结果是研究配电网规划、配电网经济运行及其调度自动化的重要依据。随着电力市场化改革的不断深入，配电网短期负荷预测显得日益重要。本文的主要成果如下:　　 ①简述了配电网短期负荷预测的意义，将目前的负荷预测方法分为经典方法、传统方法、智能方法，综合分析了各种短期负荷预测方法的原理。配电网短期负荷预测的难点在于如何处理影响配电网负荷变化的复杂因素（如温度因素、相对湿度因素等），这些因素具有极其复杂的非线性的特点，而人工神经网络在处理非线性问题上表现出极强的优越性，所以它在配电网短期负荷预测方面具有独特的优势。　　 ②建立配电网短期负荷的基本模型，并将该模型分解为基本负荷分量、天气敏感负荷分量、特别事件负荷分量、随机负荷分量。此外，本文结合影响配电网短期负荷的因素，对重庆江津某地区的配电网负荷进行特性分析。　　 ③针对基于BP神经网络短期负荷预测模型需要大量的训练数据、固有训练效率低的缺陷，本文建立了基于RBF神经网络(RBF NN)的负荷预测模型，该模型只需少量的训练数据即可达到预测精度的要求。此外，本文采用模糊C-均值聚类(FCM)算法优化基于RBF神经网络负荷预测模型的径向基函数中心与宽度，以提高该预测模型的训练速度和泛化能力。　　 ④利用重庆江津某地区2012年的温度、相对湿度、配电网负荷数据验证了本文所提出的负荷预测模型的可行性。验证结果表明，在对工作日期间的负荷分别进行预测周期为1小时、6小时、12小时、24小时的负荷预测，预测结果均能满足实际应用的精度;在对中秋与国庆节、春节期间的负荷分别进行预测周期为1小时、6小时的负荷预测，预测结果均能满足实际应用的精度，但是进行预测周期为12小时、24小时的负荷预测，其预测结果的精度达不到实际应用的要求。综述所述，本文所建立的配电网短期负荷预测模型具有十分高的实际应用价值。