电力负荷预测是电力系统规划决策、经济运行的前提和基础，电力负荷的准确预测对电力系统安全经济运行和国民经济发展具有重要意义。以往的负荷预测多采用以时间序列法为代表的经典线性模型方法，但由于负荷易受天气、节假日等各种干扰因素的影响而呈现非线性特性，因此预测结果一般难以满足实际的需要。本文在论述了各种智能技术基本原理及其相互关系的基础上，探讨了智能技术在电力企业负荷预测中的各种应用问题；提出了用于短期负荷预测的神经网络方法；结合一个实际的科研课题进行研究，建立了一种基于快速BP算法的天气敏感性神经网络预测模型；针对预测中的误差，采用模糊控制方法进行在线自适应校正；另外，针对降雨和温度对负荷的影响建立了一个模糊气象专家库，用于对预测负荷的修正。经过计算机仿真和用户实际应用，证明了以上方法的有效性。由于以上多种智能方法的综合运用，大大提高了负荷预测的准确率，本文成果的推广应用将给电力企业带来显著的经济效益和社会效益。