本发明公开了基于主成分分析和LSTM神经网络的电力负荷预测方法，所述方法包括：1)查找原始负荷数据中的异常值，判断异常点，通过平均值修正法进行处理；2)利用原始负荷数据的标准差及均值对数据进行标准化操作；3)将字符型影响因素进行量化，得到各变量在主成分分析中的特征值；4)以主成分分析后的数据作为特征值输入长短时记忆神经网络，预测输出值；5)对神经网络的输出进行反标准化操作；6)选择均方根误差作为回归模型的评价指标，衡量观测值同真值之间的偏差。本发明采用的长短时记忆神经网络具有良好的鲁棒性能和非线性处理能力，能够通过特殊的单元结构缓解梯度消失和梯度爆炸等问题，进一步提高电力负荷预测结果的精度。