本發(fā)明公開了一種有源配電網(wǎng)凈負(fù)荷概率預(yù)測(cè)方法，步驟包括：S1，對(duì)收集的配網(wǎng)負(fù)荷、新能源出力時(shí)間序列數(shù)據(jù)集進(jìn)行缺失值填補(bǔ)、異常值剔除后，配網(wǎng)負(fù)荷減去新能源出力的得到凈負(fù)荷時(shí)間序列；S2，將凈負(fù)荷時(shí)間序列轉(zhuǎn)換為監(jiān)督學(xué)習(xí)數(shù)據(jù)集，使用時(shí)間卷積神經(jīng)網(wǎng)絡(luò)提取得到凈負(fù)荷時(shí)間序列的特征向量；S3，使用時(shí)間卷積神經(jīng)網(wǎng)絡(luò)提取得到特征向量為輸入訓(xùn)練分位數(shù)隨機(jī)森林模型，得到凈負(fù)荷的概率預(yù)測(cè)結(jié)果。本發(fā)明利用時(shí)間卷積神經(jīng)網(wǎng)絡(luò)?分位數(shù)隨機(jī)森林模型進(jìn)行有源配電網(wǎng)概率預(yù)測(cè)時(shí)，使用時(shí)間卷積神經(jīng)網(wǎng)絡(luò)深入挖掘了凈負(fù)荷的時(shí)序變化特征，實(shí)現(xiàn)了歷史凈負(fù)荷數(shù)據(jù)的充分利用，幫助分位數(shù)隨機(jī)森林模型更快速準(zhǔn)確地進(jìn)行凈負(fù)荷概率預(yù)測(cè)。