近些年,随着经济发展和人民物质文化水平的提高,人们对生活品质有着更高的要求,空调设备的使用越来越广泛,空调的集中使用会对区域电网的安全稳定运行造成冲击。而且在高校规模逐年扩大的今天,为满足师生对办公与学习环境的高要求,高校加大了对空调设备的投资力度。空调数量的快速增加与空调设备的集中开启,进一步加大电力负荷的峰谷差。为了缓解空调负荷对电网稳定运行的影响,需对空调负荷进行分析和准确预测,这样可以提前获知用户的用电高峰时段,对用户的用电行为进行合理管控,进而有效开展电网的“削峰填谷”工作,提高电网的利用率。本文首先对空调负荷的特性和影响因素进行分析,再以武汉地区某高校的空调负荷为研究对象,分析高校空调负荷的特点,并对空调负荷与影响因素之间的相关程度进行定性分析,最后选取相关性较高的影响因素作为预测模型的输入量。又由于长短期记忆网络（LSTM）可以很好的将空调负荷的时序性和非线性进行兼顾,本文建立基于LSTM网络的高校空调负荷预测模型。在对输入数据进行预处理时,为了减小预测模型输入数据的噪声,滤去其尖峰值和异常值,采用奇异谱分析（SSA）对输入数据进行处理。而在预测模型搭建的过程中,针对LSTM网络的结构参数无法直接确定的缺陷,采用灰狼优化算法（GWO）对LSTM网络进行优化,得到基于GWO-LSTM的高校空调负荷预测模型,并将该模型与传统预测模型进行对比分析,结果表明该模型的预测效果较好。本文又以基于GWO-LSTM的高校空调负荷预测模型为基础,在构建武汉地区某高校智慧校园电能管理信息化平台的同时,将预测模型嵌入到该平台。通过实际的案例验证与对比分析,结果表明该预测模型具有良好的预测性能和实用性。