针对商业和居民混合的配电网负荷预测影响因素多样和随机性强的特点,提出了一种基于灰狼郊狼混合优化算法(HGWOACOA)和长短时记忆网络(LSTM)相结合的配电网短期电力负荷预测方法.为实现对电力负荷的多输入特征进行筛选和降维,本文采用最大信息系数法(MIC)对负荷与输入特征之间的非线性相关性进行量化,剔除无效特征,再采用因子分析(FA)法对历史数据、气象、温度等输入特征进行信息提取,实现对有效影响因素降维;综合考虑灰狼优化算法(GWOA)具有全局搜索能力强、收敛速度快的特点,郊狼优化算法(COA)具有区域探索能力强、求解精度高的特点,为突出两种算法优点并弥补两种算法的不足,提出HGWOACOA对LSTMN的隐藏层神经元个数和一次训练样本个数两种参数进行优化,克服了参数选取的困难.在保证预测精度的同时提升运行效率,实现基于HGWOACOA-LSTMN的配电网短期电力负荷高精度预测.以配电网某商业和居民混合负荷为例,验证了文中所述预测方法具有较好的精度和鲁棒性,同时提升了运行效率和简化模型输入特征的维数,证明本文所提方法的精确度和适用性.