针对电力负荷非线性、预测条件多样性、预测模型参数设置主观性等问题，提出一种基于强适应性的日均负荷日期映射法、高非线性拟合性能的门控循环单元(Gate　Recurrent　Unit,　GRU)和强搜索性能的改进麻雀搜索算法(Improved　Sparrow　Search　Algorithm,　ISSA)相结合的ISSA-GRU(ISGU)混合模型进行短期电力负荷预测(Short-term　LoadForecasting,STLF)。首先，利用日均负荷日期映射法对星期-节假日因素进行映射，解决该因素因非数字化导致不易输入预测网络的问题。随后，从诸多相关因素中筛选出高度相关特征值，以此解决预测条件多样性问题。最后，构建GRU网络进行负荷预测，并引入ISSA算法对GRU网络参数进行客观配置。为验证ISGU混合模型的有效性，采用新加坡电力负荷数据进行实验，并将实验结果与现有算法进行比较。实验结果表明，所提方法对STLF具有良好性能，有效提高了STLF统计标准的精度指标。