【摘要】随着计算机技术的不断发展，负荷数据获取、存储难度显著下降，为人工智能技术在负荷预测中的应用提供了必要的支持。短期电力负荷预测工作是电力系统的重要工作内容，其工作质量对于电力系统正常运行具有十分重要的价值与意义。本文结合神经网络技术，针对短期符合预测应用场景，建立预测模型，最终发现，基于小批量训练、Adam算法、selu激活函数、lecun-normal权重初始化的短期电力负荷预测模型具有较高的预测精度，在实际工作情境中具有较高的应用价值。希望本文的研究内容能够为电力系统稳定运行提供一定的理论支持。