本发明涉及基于SARIMA‑GRNN‑SVM的短期商业电力负荷预测方法，包括如下步骤：通过对负荷曲线的分析得出商业电力负荷波动的影响因素；对商业电力负荷时间序列预测与多因素回归预测构建单一预测模型；构建SVM模型，并利用训练样本对SVM模型进行参数优化与训练，通过网格搜索与交叉验证法进行SVM模型的参数优化；将SARIMA模型、GRNN模型得出的预测日的预测值输入到训练后的SVM模型中，即得到预测日的商业电力负荷预测值。本发明克服了单一预测模型无法综合考虑商业负荷的周期性变化与影响因素导致预测结果易发生较大误差的问题，提升了预测精确度与鲁棒性。