针对门控循环单元(GRU)神经网络进行电力负荷预测时，其超参数选取困难等问题，提出一种布谷鸟搜索(CS)算法和GRU相结合的预测方法。研究发现，GRU的预测精度与超参数的设定有关，通过CS算法寻优GRU的超参数，包括迭代次数、学习率和隐含层节点数，节省了超参数选取时间，进一步提高了GRU的预测精度。最后，以河南某地区实例数据为例，在Python的TensorFlow框架下验证了预测方法的有效性。