本发明涉及一种考虑频域数据特征分解的居民空调负荷预测模型，它包括以下步骤：步骤1：采用自适应噪声的完全集成经验模态分解算法即CEEMDAN算法，将原始空调负荷数据转换为具有不同波动周期的分量；步骤2：引入时间序列排列熵即PE算法应用于时序空调负荷预测领域，将频域分解后的数值化子分量模态特征进行合并重构；步骤3：采用基于Catboost特征选择的数据信息优化抽取算法；步骤4：计及高维外部特征对空调负荷模式的影响，构建基于XGBoost算法的空调负荷预测模型；本发明具有对空调负荷数据在频域下进行数据特征分解、提出时序负荷排列熵算法、提出数据信息优化抽取算法、提出空调负荷预测模型的优点。