本发明公开了一种基于VMD‑GA‑PSO‑LSTM模型的短期负荷预测方法及装置，具体包括以下步骤：S1、对原始负荷数据预处理；S2、采用VMD方法对数据进行模态分解；S3、对得到的数据进行归一化，并导入到GA‑PSO算法中；S4、开始进行迭代，采用LSTM进行电力负荷预测；S5、将得到的预测数据进行反归一化；S6、对数据分量进行叠加，得到预测结果。本发明涉及负荷数据处理技术领域。该基于VMD‑GA‑PSO‑LSTM模型的短期负荷预测方法及装置，通过建立多特征负荷数据集，并引入VMD方法分解负荷数据集，消除其中噪声，利用GA‑PSO算法优化后的LSTM对数据集进行负荷预测。实验结果表明，VMD‑GA‑PSO‑LSTM模型预测结果的MAPE与RMSE得到明显改善，提高了负荷预测的准确率。