短期电力负荷预测是电力系统运行调度中一项非常重要的内容,它是保证电力系统安全经济运行和实现电网科学管理及调度的重要方面,是能量管理系统(EMS)的组成部分,也是今后进行电网商业化运营所必需的基本内容。本文分析了电力系统负荷的组成、特点,进一步阐述了当今多种电力负荷预测方法的差异、优缺点,同时对沈阳地区现有的负荷预测方法进行了综述,并指出其弊端。通过对沈阳地区负荷历史数据及特点的研究,分析影响预测准确性的因素,并利用日常负荷与气象条件的关系,提出了一种基于BP神经网络的预测方法。对于负荷预处理,本文采用聚类分析的方法进行坏数据检测和修正。此外,采用决策树分类方法(CART算法)剔除无关变量,有效减少了系统需要优化调整的参数数量。本论文对不同类型的负荷曲线分成工作日、周末日和节假日三种类型的神经网络预测模型;为了增强神经网络的训练速度和准确性,将日负荷模型分段,选择出与预测日负荷相关的输入变量。此外,为了加速神经网络的收敛,本文运用了分层线性优化算法。通过历史负荷数据的训练,成功的进行了电力系统的短期负荷预测。预测结果的精度相对沈阳地区现有的方法有了很大程度的提高,证明了本文所提出方法的有效性。同时,编写了相应的负荷预测程序。该程序的功能包括:数据预处理、输入变量的选择、人工神经网络的训练、模型参数的更新、负荷预测等内容。本程序采用C语言编辑,具有预测速度快、准确度高等特点,并符合沈阳地区负荷的实际情况。