电力负荷预测容易受到高频、低频和超低频振荡的干扰，预测精度不高。在无线ZigBee组网协议下进行电力负荷传感器信息组网，构建电力负荷数据采集模型并对模型进行修正。根据电力负荷数据采集结果，得出高频低频振荡和超低低频干扰因素。进行神经网络样本数据训练，去除冗余数据，输出电网负荷数据集。利用神经网络分类器对得到的数据集进行分类融合，根据电力负荷数据融合结果实现电力负荷预测。仿真结果表明，采用该方法进行电力负荷预测精度高，预测过程抗干扰性好，在电力负荷实时监测和信息调度方面具有良好的应用价值。