本发明属于电力技术领域，具体涉及一种大数据配电网台区时空负荷短期预测方法，包括：获取区域内所有台区负荷地理范围参数、城市交通网络拓扑结构、台区负荷内用电类型信息、区块负荷历史用电水平数据；台区负荷分块与分类，形成台区负荷细分后的区块负荷；对台区负荷进行分频分级，并计算不同区块负荷不同频率特征功率之间的关联性与滞后性；计算区块负荷与客观因素之间关联性；计算区块负荷变化趋势和社会活动状态之间的关联性与时间滞后系数；对深度学习模型进行训练得到区块负荷预测模型；进行台区负荷预测深度学习模型进行模型训练，得到台区负荷短期预测模型，并最终实现台区负荷短期预测。本发明提升负荷预测准确性。