短期电力负荷预测为调度部门制定日内调度计划和发电计划提供重要的工作依据,同时准确的电力负荷预测对电网的安全可靠运行至关重要。由于电力负荷存在明显的非平稳性、非线性、周期性等特性,如何对电力负荷进行准确预测是一个极具挑战性的难题。为了更好地提取负荷数据的周期性、处理数据的非线性及克服数据的非平稳性,本文提出一种结合双向门控循环单元（BiGRU）、时间模式注意力机制（TPA）以及纵横交叉鲸鱼算法（CSWOA）的组合预测方法,构建了基于BiGRU-TPA-CSWOA的短期电力负荷预测模型。（1）电力负荷受多种因素的影响,具有很强的时间关联性,但不同的历史时刻、不同因素对负荷预测所带来的影响不一。提出一种融合TPA和BiGRU短期电力负荷短期预测模型。使用BiGRU获取负荷特征序列与负荷间的深层隐含关系,采用TPA进一步挖掘特征序列中不同特征与负荷间的时间关系,增强关键历史时间节点的敏感性。仿真实验证明TPA能够有效感知到关键历史时间节点并提升BiGRU短期电力负荷预测模型的性能。（2）针对鲸鱼算法（WOA）搜索盲区多、搜索能力不佳以及易陷入局部最优的问题,提出一种基于纵横交叉优化算法的CSWOA。在原有鲸鱼算法中引入横向交叉算子,以增加信息交换途径、增强其全局搜索能力。通过引入纵向交叉算子,避免WOA陷入局部最优,提升解空间中的寻优能力。采用CEC2017测试函数验证了CSWOA的有效性和优越性。（3）针对TPA-BiGRU负荷预测模型在采用梯度下降法训练后易陷入局部最优的、以及由于预测模型全部权重系数和偏置参数过多导致算法无法有效优化或优化时间过长的问题,提出利用CSWOA优化TPA-BiGRU全连接层权值和偏置参数的CSWOATPA-BiGRU短期电力负荷短期预测模型。在优化过程中为避免模型出现过拟合,采用双重指标共同作用并联合待优化权重的正则项作为目标适应度函数。采用第9届全国大学生电工数学建模竞赛提供的两个地区负荷数据集进行仿真建模,结果表明本文所提CSWOA-TPA-BiGRU短期电力负荷预测模型优于其它对比模型,且具有较强的泛化能力。