电力负荷预测是电力系统调度、运行、规划的重要组成部分，同时也是电力系统经济运行与安全运行的基础，它对电力系统的稳定和发展都具有极其重要的意义。但是电力负荷数据具有不确定性和复杂性的特点，而且当前使用的大多数预测方法都来源于传统的线性统计理论，难以获得精确的预测负荷值，所以必须寻找新的研究方法来进行预测，小波神经网络正是在这样的背景下产生的。本文首先介绍了负荷预测的概论、作用和预测技术在国内外发展的现状，然后介绍了人工神经网络及小波神经网络的基本背景、概念和原理。小波神经网络是结合小波分析和神经网络理论而提出的一种新型的前馈神经网络，该模型的自适应性、收敛速度和预测精度都比单纯使用神经网络更优。因此在此理论的基础上，对湖南省长沙市的负荷数据，分别建立了BP神经网络模型和WNN模型，然后对两种模型进行三组实验仿真，对比实验结果和误差分析，得出小波神经网络比BP神经网络更加适应对波动性信号的预测，且当隐含层节点数相同时，小波神经网络的预测精度比BP神经网络更高，因此小波神经网络有助于减少隐层节点数目，提高网络性能。因为影响电力负荷值变化的因素也存在不确定性，所以要对未来负荷进行预测且要求预测精度要很高将是一项非常困难的工作。本文给出的预测方法是将传统的神经网络和小波函数结合起来进行预测，比单纯使用神经网络精度更高，为电力系统负荷预测提供了新的思路。