La previsión de carga es la base de la operación y planificación del sistema eléctrico. Los resultados de la previsión pueden guiar la asignación económica del sistema eléctrico y el análisis de seguridad. Para mejorar la precisión de la previsión de carga, este documento propone un modelo de pronóstico basado en la combinación del algoritmo de búsqueda del cuco (CS) y la red neuronal de memoria a corto y largo plazo (LSTM). Los datos de carga son datos específicos con características de series temporales y periodicidad, y el algoritmo LSTM puede controlar la información agregada o descartada a través de la puerta de olvido, para así realizar la función de olvidar o memorizar. Por lo tanto, el uso del algoritmo LSTM para la previsión de carga es más efectivo. El algoritmo CS puede realizar una búsqueda global mejor y no caer fácilmente en óptimos locales. El modelo de pronóstico CS-LSTM, donde el algoritmo CS se utiliza para optimizar los hiperparámetros del modelo LSTM, tiene un efecto de pronóstico mejor y es más factible. Los resultados de la simulación muestran que el modelo CS-LSTM tiene una mayor precisión de pronóstico que el modelo LSTM estándar, el modelo PSO-LSTM y el modelo GA-LSTM.