电网中电力负荷预测涉及到电力系统规划、设计以及电力系统运行等多个部门的工作,是电力系统能够可靠供电以及经济正常运行的前提与保障。近年来国家加大了电力体制改革的力度,输配电改革的顺利进行推动了市场在资源配置中的作用,许多社会资本进入到电力行业,电网负荷预测对于售电侧及投资决策者来说也会成为重要的依据之一。因此,电网负荷预测研究无论是对于发电侧、售电侧,还是投资规划部门都有重要的研究意义。负荷预测的核心是选择合适的预测模型,以往传统的预测模型主要是通过数学表达式来进行的,在计算速度以及计算量方面具有一定优势,但是也存在一定的缺陷与不足,例如自适应能力差、无自主学习性等。随着我国经济的高速发展,电力结构日渐多样,而且电力系统的负荷特性越来越明显,传统的数学模型渐渐地不能满足负荷预测的要求。而随着人工智能的发展,神经网络在电力负荷预测研究中受到了广泛的应用,本文通过对比分析两种常用的神经网络模型,选取了预测效果更好的Elman神经网络建立天津电网负荷预测模型,对天津电网的电力负荷进行预测。本文首先介绍了电力负荷预测的概念、研究意义以及研究现状。其次介绍了电力负荷预测的相关理论与方法,其中着重对神经网络的基本原理、网络结构、以及算法进行了研究和学习。同时还分析了电力负荷预测中常用的误差指标以及产生误差的原因。再次分析了天津电网现状以及负荷特性,重点对天津电网年度、月度、典型日以及节假日负荷特性进行分析,了解天津电网负荷特性。最后,建立天津电网负荷预测模型,运用处理后的历史数据预测未来一年12个月的最大负荷。其中,通过仿真实验研究表明本文建立的负荷预测模型具有良好的预测结果。