为了提高短期电力负荷的预测精度，提出了集合经验模态分解（EEMD）-样本熵（SE）和遗传算法（GA）来优化RBF神经网络的组合方法。利用EEMD分解法自适应地对负荷序列进行分解，结合样本熵对复杂度相似的子序列进行合并，有效减小了运算规模。基于各个子序列复杂度的差异构建相应的RBF神经网络模型，利用遗传算法避免神经网络陷入局部最优和收敛性问题，进而对合并的新子序列进行预测并叠加得到最终预测结果。仿真结果表明，该预测算法具有良好的预测效果，满足短期电力负荷预测的要求。