电力负荷预测是电力市场的基础工作，随着电力市场改革的深入开展，其作用日益重要，是保证电网安全稳定运行的重要前提，其预测精度直接影响到了电网及各发电厂的经济效益。它是能源管理系统(EMS)的重要组成部分，对电力系统的运行、控制和计划都有着非常重要的影响，提高电力系统负荷预测的精度既能增强电力系统运行的安全性，又能改善电力系统运行的经济性。 目前，国内外很多预测模型应用于电力系统的负荷预测。人工神经网络(ANN)技术的发展提供了一种新的电力系统负荷预测手段。人工神经网络预测模型成功地用于预测电力系统短期负荷，与传统方式不同，ANN不依靠人的经验而是通过训练，自主地学习系统输入和输出之间的函数关系。本文通过分析BP人工神经网络的学习过程，指出BP神经网络存在的缺点。针对BP神经网络存在的缺点，本文提出了一种基于模糊集的改进BP神经网络的方法，并把改进的BP人工神经网络应用到短期电力负荷的预测。通过分析电力负荷预测的特点、特性及预测原理，确定进行负荷预测的BP人工神经网络的输入变量及网络结构。 本文采用Matlab提供的人工神经网络工具箱，建立BP人工神经网络。并采用基于COM组件的技术，实现C＃．net与Matlab的混合编程。