一种基于两级聚类和MGRU‑AT的客户侧负荷预测方法，包括如下步骤：采集客户侧负荷瞬时有功功率的历史数据并进行预处理，得到可调节负荷功率序列；计算可调节负荷功率序列的样本间的DTW距离和欧氏距离，进而得到距离值；进而确定历史客户侧负荷功率序列的聚类中心样本集和簇群个数；根据历史客户侧负荷功率序列的聚类中心样本集，利用K‑Medoids算法，得到不同客户侧负荷的聚类结果；根据不同客户侧负荷的聚类结果，利用多通道循环神经网络模型，得到最终的MGRU‑AT预测模型。本发明利用基于改进Canopy和K‑Medoids两级聚类算法可以有效聚合客户侧负荷，防止因聚类簇过多或过少而导致的对原始数据的过划分和欠划分，且消除聚类中心点偏移的现象，提升聚类数据的合理性和相似性。