电力系统负荷预测对电力系统的经济、安全和可靠运行起着至关重要的作用，它已经成为现代能量管理系统的一个重要组成部分，其中以短期电力系统的负荷预测对于电力系统运行和人民日常生产消费的意义尤为重大。电力系统负荷预测是电力系统部门对整个网络进行最优控制调节的重要先决条件。由于负荷预测的误差会导致运行和生产成本的增加，因此，精确的电力系统负荷预测对电力系统控制、运行和规划都具有现实意义。　　 本文在分析电力系统负荷预测的特点和研究现状基础上，采用BP人工神经网络对电力系统负荷预测的模型进行优化，这种方法可以更好的刻画出电力系统负荷多输入多输出、复杂非线性以及繁杂的无规律可循的特征。遗传算法是在达尔文的生物进化论的基础上发展起来的，它模拟了进化过程中的自然选择与遗传规律，是一种全局搜索最优解的算法。本文首先分析了GA算法与BP神经网络的优劣势，将GA算法与BP网络结合起来，用GA算法来训练BP神经网络的连接权值，给出了基于GA与BP相结合的具体算法和实现过程，以期克服BP神经网络容易陷入局部极小点的缺陷。　　 本文用matlab仿真软件构建了GA-BP算法在电力系统负荷预测模型中进行优化的网络结构，用电力系统的历史负荷数据和预测日的最高气温、最低气温作为网络的输入，用GA算法优化BP神经网络的权值，以预测电力系统的负荷，并利用该仿真软件对天津市某地区的电力系统负荷进行了仿真，结果验证了该模型用于电力系统负荷预测的研究具有可行性，能够在一定程度上提高负荷预测的精度和速度。