电力负荷数据由于受多种因素的影响具有高度的不确定性，为了提高负荷预测精度将负荷数据的不确定性与深度学习算法相结合，提出了一种基于模糊逻辑的FBiLSTM-Attention短期负荷预测模型。首先进行缺失值填充、输入特征相关性分析以及归一化处理。其次通过K-Means聚类将每个特征的数据转换成模糊规则以此引入模糊逻辑的处理。模型结构方面，采用了双向长短时记忆网络（BiLSTM）和注意力机制（Attention）。最后对所提方法与传统的LSTM和BiLSTM-Attention预测结果进行对比。结果表明所提模型与其它两种模型相比表现出了更好的预测性能。