本发明涉及一种变压器负荷预测方法，属于电力负荷预测方法技术领域。本发明的技术方案是：以变压器历史日负荷曲线为原始样本，利用改进的聚类算法识别并剔除其中异常负荷曲线，得到几类典型日负荷曲线样本，从筛选后的几类样本中每类均取近似数量样本构成神经网络训练集，对神经网络进行训练并建立变压器日负荷曲线的准确预测模型。本发明的有益效果是：排除异常数据样本对神经网络的干扰，并同时实现可用样本的筛选与分类，减小训练样本规模同时不遗漏样本数较小的类别，达到更小的训练样本规模包含更多有用特征的目的，从而提高神经网络运算速度，同时提升预测模型泛化性能和预测精度，实现对变压器日负荷更为精确的预测。