随着电力市场改革的逐步推进，需求响应将在未来新型电力系统中发挥越来越重要的作用。针对工业负荷预测领域中存在模型泛化能力差、数据隐私保护要求高等问题，提出了一种基于个性化联邦元学习的集群工业负荷短期预测方法。首先建立集群工业负荷本地特征库，然后将元学习与联邦学习结合，在保留了联邦学习优点的同时，为每个工厂并行定制高精度的个性化负荷预测模型，从而有效解决了集群工业负荷预测过程中数据异构和隐私保护等问题。最后以制浆造纸工业集群为例，采用所提个性化联邦元学习方法进行负荷预测，经与实际调节功率数据进行对比分析，验证了所提算法能够在保护工厂数据隐私性的前提下保证负荷预测模型的精度。