提出了一种交替梯度算法对径向基函数(RBF)神经网络的训练方法进行改进，并将之运用于电力系统短期负荷预测。交替梯度算法通过优化输出层权值和优化RBF函数的中心与标准偏差值来实现。改进的算法与传统梯度下降算法相比，具有更快的收敛速度和更高的预测精度。所构建的负荷预测模型综合考虑了气象、日类型等影响负荷变化的因素，并在预测形式上做了巧妙处理。预测结果表明改进的RBF网络算法具有一定的实用性。