一种基于改进PSO‑LSTM的空调负荷精细预测模型，属于综合能源系统技术领域，包括以下步骤：对收集到的原始负荷数据采取改进随机森林方法选取特征值；采取改进K‑中心点方法对数据进行聚类分析；将处理后的数据输入进LSTM模型的输入层，并将输入层所接收到的数据导入LSTM网络层；训练LSTM神经网络，利用改进PSO方法优化LSTM神经网络，得到LSTM预测模型；若达到最大迭代次数，则将最优参数赋予LSTM并进行训练，输出预测值，否则继续迭代，直到满足终止条件。本发明在负荷预测的基础上，具有自组织和进化性以及记忆功能的特征，能有效地根据历史信息进行学习和预测，从而获得更好的预测效果提高了负荷预测的精度。