本发明提供了基于多因素和改进特征筛选策略的短期电力负荷预测方法包括以下步骤：步骤S1，导入原始多因素数据集和数据预处理；步骤S2，构造候选特征变量集；步骤S3，基于数据集重构和RReliefF算法的小时粒度特征筛选；步骤S4，引入基于余弦相似度的k‑means聚类标签；步骤S5，确定最终的输入变量集；步骤S6，模型训练与预测。本发明注重于短期电力负荷预测的前端数据处理，与当前的多种主流预测模型都可以结合使用，并能显著改善模型的预测精度，具有广泛的通用性。本发明能够有效解决基于小时粒度的特征变量选取规则问题，在特征变量中加入负荷曲线的形状和模式信息，通过提高前端输入数据的质量，显著提升短期电力负荷的预测性能。