有效的电力负荷预测为智能电网发展建设提供依据，为提高短期负荷预测精度，本文综合考虑用电负荷和实时天气影响因素，提出一种基于人工智能高速公路神经网络（highway neural network

HNN）和注意力机制（attention mechanism

Attention）的短期负荷预测方法。该方法采用Pearson相关性分析、主成分分析法以及K-means聚类完成输入序列的特征挖掘，并依据聚类结果将运行日分为3类。接着，针对现有模型可能存在的训练困难和预测效率低下等问题，对每类运行日分别建立Attention-HNN模型。该模型将能够给输入序列分配动态权重的Attention与能够选择性传递信息的HNN结合起来，可有效突出关键特征并优化预测效果。最后，通过山东省某地区实例验证并与不同方法进行对比，本文提出的Attention-HNN方法具有更好的预测效果，可有效降低预测误差。