电力系统短期负荷预测在调度安全中扮演着较重的角色,它确保了电力企业科学地、稳定地对电网进行控制,同时也是今后进行电网商业化运作所必备的基本条件。因此负荷预测精度的提高,建立性能优良的系统,在电力系统管理中起着很重要的作用。本文以大连地区短期电力负荷预测为背景,首先深入分析了国内外负荷预测技术的研究现状及发展趋势,讨论了电力系统短期负荷预测特性,尤其是大连地区电网现状及负荷曲线的变化规律。然后针对大连地区电力负荷的特点及负荷预测的实际,在综合考虑诸如温度、日期类型和天气情况等影响负荷预测精度的众多因素之后,分别使用BP和RBF神经网络这2种模型对大连地区历史电力负荷数据进行了短期预测,并将两种模型的预测结果进行了对比分析。最后,选取性能优良的RBF神经网络与模糊控制算法组成混合模型,进行计算调整。文中构建了RBF神经网络和模糊控制相结合的短期负荷预测模型,在RBF神经网络对样本进行训练得到预测值之后,采用基于在线自调整因子的模糊控制器对预测误差进行智能修正,然后利用该混合模型在Matlab中进行24小时整点预测仿真,与大连系统同日数据做对比,看是否与实际负荷走势相吻合,以确保其性能的优良。本文的研究对大连供电公司调控部门、发策部门、营销部门有参考价值,有助于大连公司完成调度现代化的转型,可以做为供电公司的决策依据,有利于下一步工程实践的开展。