本发明公开了一种基于多XGBoost模型融合的母线负荷预测方法，包括如下步骤：首先，对母线负荷数据及其相关数据进行预处理，并构建样本集；其次，构建分层预测系统，共2层，在第一层建立N个不同的XGBoost模型，在第二层建立1个XGBoost模型，将第一层N个XGBoost模型的输出作为其输入，即由第一层的XGBoost模型进行一次学习，再由第二层的XGBoost模型对第一层的学习结果进行二次学习；采用粒子群算法(PSO)优化分层预测系统参数；最后应用样本集进行训练与测试，输出母线负荷预测结果。本发明的方法强化了学习效果，提升了泛化能力，适合于解决随机性较强的母线负荷的预测问题。