近年来全球能源危机逐渐加重,石油等资源日益枯竭,全球变暖趋势加剧,具有节能和减排作用的电动汽车成为新能源汽车发展的主要方向之一。电动汽车的大规模使用既能削峰填谷、提高电网的经济效益,又能实现环保的目的。电动汽车充电站作为电力负荷的一个重要组成部分,对其进行短期负荷预测的研究,一方面,对于电力系统的经济调度有着重要的意义;另一方面,充电站自身的经济性运行也需要相应充电功率数据的支持。在阅读大量国内外相关文献的基础上,本文对智能电网及电动汽车充电站的内容进行了介绍,并描述了电动汽车在智能电网中的实际应用。本文分析了电动汽车充电站的负荷特性,提出了基于脉冲神经网络(spike neural network,SNN)的电动汽车充电站短期负荷预测模型,SNN编码和处理信息时依赖于脉冲发放时间,计算能力强,具有较好的实时性,而且储存信息容量大。通过仿真算例验证,SNN预测模型比传统的BP神经网络预测模型有更高的预测精度,具有一定的实用性。由于充电站负荷波动性较大,采用SNN预测模型预测误差仍然较大。为了进一步提高电动汽车充电站短期负荷预测的精度,本文又提出了Elman反馈型SNN预测模型,该模型在原来的预测模型基础上加入了Elman型反馈,使网络具有了储存以前信息的能力。通过仿真算例验证了Elman反馈型SNN预测模型的精度有了进一步提高,为电动汽车充电站短期负荷预测的应用实践提供了较强的理论基础。