随着间歇分布式电源的大规模并入，电力负荷的波动性和非线性特征日益明显，现有单一预测模型较难实现精准预测。本研究提出一种经验小波变换(EWT)、门控循环单元(GRU)和岭回归(RR)相结合的短期电力负荷预测模型EWT-GRU-RR。首先，应用灰色关联度选取与负荷高相关性的气象耦合因素，作为相似日的分类指标；然后，采用皮尔逊系数法对类别内的负荷进行最佳相似日选取以减小计算规模；接着，采用EWT将相似日负荷数据分解得到不同频率的负荷模态序列；最后，采用GRU与RR分别对不同频率模态序列进行多步预测，并将预测分量叠加得到最终负荷预测结果。实验结果表明，本研究所提模型的预测误差较单一预测模型GRU减少了77%以上，较支持向量机回归(SVR)减少了75%以上，较先采用经验模态分解(EMD)进行分解再采用径向基函数神经网络(RBF)和RR组合预测模型EMD-RBF-RR减少了75%以上，较先采用EMD进行分解再采用GRU和RR组合预测模型EMD-GRU-RR减少了76%以上，有效提高了负荷预测精度。