本发明公开了一种基于人工智能的配变台区负荷预测方法，包括：S1、采集所有台区的每天96次观察的数据，提取所有数据中台区的公共子集；S2、对每个台区数据按每天的负荷时间点横向过滤并提取每天的最大负荷所在时间点；S3、对每个台区数据按天数纵向过滤每个台区的最大负荷；S4、对缺失数据进行填充；S5、对每个台区的最大负荷进行台区聚类：选择CH分数最大的聚类方法进行聚类；S6、对仍存在的局部毛刺数据采用滑动箱型图分析过滤法再处理：S7、对每个台区进行特征提取，并通过模型进行短期负荷预测。本发明有效去除毛刺数据，提高台区负荷预测的准确度。