本发明公开了一种基于樽海鞘群和BP神经网络的电力负荷预测方法，解决了目前预测算法、方法精度不高的问题，其技术方案要点是通过获取完整原始数据，并进行预处理，再构建并确定BP神经网络的结构、学习效率、目标精度和训练次数，确定樽海鞘群算法的种群规模、迭代次数、搜索空间的上下界和动态权重，依据BP神经网络参数的个数确定樽海鞘群的维数，然后参照建立的BP神经网络模型，随机生成樽海鞘群，通过樽海鞘群算法的不断迭代，得出最优参数组合，将其作为BP神经网络的初始值，最后运行BP神经网络进行预测，本发明的一种基于樽海鞘群和BP神经网络的电力负荷预测方法，能更加科学、可靠的实现短期预测，保障电力系统安全稳定运行。