本發(fā)明涉及一種基于神經(jīng)網(wǎng)絡(luò)進行電力負荷預(yù)測的方法，包括：搜集待處理年尺度數(shù)據(jù)與月尺度數(shù)據(jù)并進行相關(guān)性檢驗，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)鍵影響因素及對應(yīng)的年度電力最大負荷數(shù)據(jù)和對應(yīng)的月度電力最大負荷數(shù)據(jù)，進行季節(jié)分解，得到相應(yīng)的年數(shù)據(jù)趨勢分量、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；然后分別進行協(xié)整檢驗和降維處理，得到LSTM模型的相應(yīng)分量；將各分量輸入LSTM模型中，得到個分量的預(yù)測分量；根據(jù)預(yù)測分量，采用LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的自學習能力將其進行擬合，得出電力負荷預(yù)測值。