本发明是基于样本动态组织与温度补偿的神经网络短期电力负荷预测方法,其中,样本动态组织以负荷变化特征创建样本映射表和气象数据模糊化进行样本初选,进而以改进自组织特征映射网络实现样本精选;根据温度对电力负荷的影响特征,创建了以假想负荷与温度系数、临界温度描述的温度补偿模型,并与人工神经网络构成一体化负荷预测模型,其温度补偿系数、临界温度值与人工神经网络参数一道通过训练自动获取。由于样本动态组织有效避免了不良样本的误差干扰,温度补偿模型较精确的描述了温度对电力负荷的影响,因而 本发明显著提高了短期负荷预测精度,特别大幅度提高了对气温敏感日期负荷的预测精度。