随着近年来我国国民经济的快速发展,各个经济部门对于电力能源的需求量也越来越大,电力管理部门面临着重要的挑战。由于电力资源具有随产随用的特殊性质,所以在电能的生产过程中必须按照实际的需求量进行按需生产,因此如何对未来的电力负荷进行准确预测已经成为电力系统调度管理部门的重要挑战。在以往的电力负荷预测工作中主要采用的是线性假设预测技术,面对预测精度日益提高的需求已经无法满足电力管理部门的要求,所以如何提高电力负荷预测的准确度是未来工作的重点。随着神经网络技术的快速发展,其自适应能力强、容错性好等优点已经成为电力负荷预测模型的重要基础技术,并得到了广泛的认可与关注。本文通过对电力负荷预测基本理论进行分析,并结合神经网络技术以及小波阈值去噪技术构建了电力负荷预测模型,同时使用.NET开发平台实现了一个电力负荷预测软件平台,具体而言,论文的研究工作主要包括:(1)通过对常见的电力负荷预测算法进行分析,同时结合电力负荷预测中的非线性特征设计了基于神经网络技术的负荷预测模型,对神经网络的输入层、隐含层以及结果输出层进行设计,完成了系统的核心预测算法模型设计。(2)对于电力负荷预测过程中使用的历史负荷数据中存在的干扰因素过多以及数据噪声较大等特征,提出了采用小波阈值去噪的方式对数据中的噪声进行去除处理,同时对传统的小波阈值去噪算法进行了一定的改进操作。(3)在理论分析的基础上,完成了电力负荷预测软件系统的业务建模分析,提出了系统所需实现的各项功能,并通过系统功能结构设计、对象模型设计、负荷预测模型设计和数据库设计为系统的功能实现提供基础。(4)按照系统研发过程中以及论文研究工作中存在的问题进行了总结与分析,并针对当前系统中仍然存在的问题与不足提出了相关改进与完善意见,作为后续研究工作的指导。