电力系统负荷预测是电力系统运行管理和实时控制所必需的基本内容，为系统潮流分布计算和稳定性分析提供原始资料，对于电力系统安全可靠的运行起着十分重要的作用。短期负荷预测是指一年之内以月为单位的负荷预测，还指以周、天、小时为单位的负荷预测，通常预测未来一个月、未来一周、未来一天的负荷指标，也预测未来一天24h中的负荷，它对于建立电量计费系统、实行峰谷分时电价和电力市场的开展等均有深刻影响。短期负荷之间的差异主要由时间因素、气象因素和其他因素造成。时间因素表现为负荷的周期性、增长性和差异性；气象因素包括温度、湿度等；其他因素主要是特殊事件。因此，寻求有效的负荷预测方法，对提高预测结果的准确度具有重要的意义。　　 本文阐述了电力系统短期负荷预测的原理、研究现状及发展趋势，对其相关概念和特点进行了分析，对短期负荷预测的各种方法及模型进行了综述并重点分析其优缺点及使用范围。针对地区电网负荷易受多种气象因素影响的特点，引入人体舒适度这一气象新概念，综合分析气象因素对用电负荷的影响，并在级联神经网络法短期电力负荷预测的输入单元中，以人体舒适度指数代替温度、湿度和风速，可减少输入单元的个数，提高负荷预测精度。针对气象因素对短期负荷的影响，建立了径向基(RBF)神经网络和自适应神经网络模糊系统（ANFIS）相结合的级联神经网络短期负荷预测模型。该模型利用RBF神经网络的非线性逼近能力对不考虑任何因素的预测日负荷进行了预测，并根据气象、时间因素的变化，应用ANFIS系统对RBF神经网络的负荷预测结果进行修正，以使预测方法在负荷变动敏感环境下也能达到较好的预测精度，克服了传统方法存在的不足。经武汉电网实际数据检验表明，该方法具有较好的预测效果。最后分析了现阶段短期负荷预测中还存在的问题，并对进一步研究作了展望。