随着电力系统的发展和市场化改革的不断深入，电网管理日趋现代化，能量管理系统EMS的应用越来越广泛。负荷预测特别是中短期负荷预测是EMS的一个重要模块，也是电力市场技术支持系统的重要组成部分，准确的负荷预测有助于提高系统的安全性和稳定性，能够减少发电成本。所以负荷预测理论与算法的研究己成为一个十分重要的课题。本文主要针对电力系统的中期年每月负荷以及短期的日负荷预测模型进行研究。 针对具有增长和波动二重趋势的月峰值负荷，本文提出了以纵向历史数据的趋势项为原始序列，用GM(1，1)灰色模型进行增长趋势预测，和用滑动平均法来预测季节项的双趋势预测模型，该模型不仅预测精度高而且还巧妙的利用滑动平均法中参数ω<,i>的灵活性很好的解决了一、二月份负荷受春节影响的特殊性。 鉴于日负荷预测数据较多的特点，本文采用分解建模的方法。首先利用具有非线性逼近能力的RBF神经网络预测出所需预测日的最大负荷值与最小负荷值；然后用相似日算法推出所需预测日的负荷曲线形状，即负荷曲线系数；再根据负荷曲线上各点负荷与最大、最小负荷之间的系数关系推算出各点的负荷。 最后本文根据研究的模型，针对广东省惠州地区的历史数据，分别给出了中短期负荷预测的实例，预测结果证明了上述模型的有效性。