本發(fā)明涉及一種基于神經(jīng)網(wǎng)絡(luò)進(jìn)行電力負(fù)荷預(yù)測(cè)的方法，包括：搜集待處理年尺度數(shù)據(jù)與月尺度數(shù)據(jù)并進(jìn)行相關(guān)性檢驗(yàn)，確立年尺度數(shù)據(jù)，月尺度數(shù)據(jù)中的關(guān)鍵影響因素；分別關(guān)鍵影響因素及對(duì)應(yīng)的年度電力最大負(fù)荷數(shù)據(jù)和對(duì)應(yīng)的月度電力最大負(fù)荷數(shù)據(jù)，進(jìn)行季節(jié)分解，得到相應(yīng)的年數(shù)據(jù)趨勢(shì)分量、年數(shù)據(jù)殘差分量和年數(shù)據(jù)周期分量和相應(yīng)的月數(shù)據(jù)趨勢(shì)分量、月數(shù)據(jù)殘差分量和月數(shù)據(jù)周期分量；然后分別進(jìn)行協(xié)整檢驗(yàn)和降維處理，得到LSTM模型的相應(yīng)分量；將各分量輸入LSTM模型中，得到個(gè)分量的預(yù)測(cè)分量；根據(jù)預(yù)測(cè)分量，采用LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力將其進(jìn)行擬合，得出電力負(fù)荷預(yù)測(cè)值。