La previsión de la demanda de electricidad a corto plazo es una de las mejores formas de comprender las características cambiantes de la demanda que ayudan a tomar decisiones importantes en cuanto al análisis del flujo de carga, previniendo desequilibrios en la planificación de la generación, la gestión de la demanda y la programación de la carga, todas acciones para la fiabilidad y calidad de ese sistema eléctrico. La variación en la demanda de electricidad depende de varios parámetros, como el efecto de la temperatura, las actividades sociales, los días festivos, el entorno laboral, y así sucesivamente. La selección de métodos de previsión y datos inadecuados puede llevar a grandes variaciones y confundir a los operadores del sistema eléctrico. Este artículo presenta un estudio de la demanda de electricidad y su relación con los rezagos del día anterior y la temperatura al examinar el caso de un centro de distribución de consumidores en Nepal urbano. Se discuten detalladamente el efecto de la temperatura en la carga, la variación de la carga los fines de semana y los días laborables, y el efecto de los rezagos de carga en la demanda de carga. Basándose en el análisis realizado en los datos, se realiza la previsión de carga a corto plazo para los días laborables y los fines de semana utilizando los datos de demanda y temperatura del día anterior durante todo el año. Utilizando el modelo convencional de series temporales como referencia, se desarrolla un modelo de ANN para hacer un seguimiento del efecto de la temperatura y patrones de días similares. Los resultados muestran que los modelos de series temporales con redes neuronales feedforward (FF-ANNs), en términos del error porcentual absoluto medio (MAPE), tuvieron un mejor desempeño en un 0,34% en días laborables y un 8,04% en fines de semana.