在电力还没有很普及的时候，电力负荷预测这项工作并没有受到人们的重视，然而随着经济的飞速发展，人们对电力的需求也越来越大。人们在二十世纪中旬开始将电力负荷预测视为一项工作，预测工作者也开始了对预测方法的研究。一开始人们都用一些很简单的预测方法来进行预测，这些方法也没能考虑到一些不确定的影响因素，对电力负荷的预测工作甚至只是凭借着经验，这样的预测结果显然是不准确的，得出的预测值往往都与实际值有很大的偏差。但随着人们在科研方面的长足进步，开始兴起一些预测方法，例如：时间序列法、线性回归法等等，这也让预测精度有了很大的提高，是预测工作的一个大进步。但是这些方法也并不是没有缺陷的，它们的需要很大的计算量以及复杂的计算过程，这样才有可能得到相对误差较小的预测结果。后来人工智能技术也开始应用到电力负荷预测工作中，这是负荷预测研究上的一个巨大进步，人工智能预测法可以很好的完成非线性负荷的拟合问题，并且也考虑到了影响负荷的各种因素，例如：温度、天气、湿度等等，让负荷预测变得更加精确。后来又兴起了一些不用得出确定模型且不用复杂的计算就可以完成预测的智能预测方法，例如：小波分析法、神经网络法、模糊控制法等等。45890
目前，国外研究的较多的就是一些人工智能的预测方法，神经网络、支持向量机等方法都是很受欢迎的预测方法。Dashi PK.提出了一种先进的神经网络法，能够同时对要训练的数据进行有导师学习和无导师学习，这种网络有更好的自适应性能，得出的预测结果也更好。Morita H.等人把灰色模型法运用到电力负荷预测的研究里，并且将其运用到实际工作中，取得了不错的效果。国内，文献[11]在短期负荷的预测中将气象因素和日期类型考虑进去，取得了不错的预测结果。文献[12]中把神经网络方法和模糊控制的方法综合到了一起，组成了一个组合模型来进行预测，充分的将两个模型的优点结合到了一起，提高了预测精度。
下面列举一下当前利用神经网络进行电力负荷预测时需要解决的问题：
（1）神经网络的结构选取。因为电力系统负荷有相当复杂的负荷运行规律论文网，所以对于神经网络结构的选取非常重要，但很少有人关注到这个问题。
（2）输入样本的选择。电力系统负荷预测首先要利用人工神经网络的非线性特性才可以运用前馈神经网络，利用合理的方法才可以把系统中输入输出之间的映射关系照出来。是否选择了正确的输入样本，决定了前回馈神经网络是否能够在训练后，将电力系统负荷运行的规律体现出来。但是这在以往的研究工作中并没有并重视起来。。
（3）对电力系统负荷历史数据的预处理。电力系统负荷并不是一个平稳的运行过程，它也被许多的不稳定因素所影响，所以负荷的历史数据一般都有一些“不良数据”，这就需要在利用前对它进行预处理，所以数据的预处理也需要被重视。
（4）预测精度还不够高。 电力负荷预测国内外研究现状和发展趋势:http://www.youerw.com/yanjiu/lunwen_47508.html