本发明提出一种基于SPSS与RKELM微网短期负荷预测方法，包括步骤：（1）在线数据采集并周期性更新历史数据库（2）对历史数据进行预处理并提取负荷样本特征；（3）构建离线负荷预测模型；（4）采用斯皮尔曼等级相关的方法筛选与待预测点前驱负荷相似的历史样本作为在线训练样本；（5）根据在线训练样本与离线负荷预测模型，计算未来时刻的负荷预测值。该方法使用快速简化核函数极限学习机（RKELM）、混沌粒子群算法和斯皮尔曼等级相关筛选（RKELM），建立了包含离线参数寻优与在线负荷的预测模型；通过模型参数的周期更新来保证算法的时效性，同时降低在线预测计算的复杂度，减少历时数据存储量，降低计算成本，能较为准确的预测微网短期及超短期负荷。