本發(fā)明屬于電力系統(tǒng)短期負(fù)荷預(yù)測(cè)技術(shù)領(lǐng)域，公開(kāi)了基于深度遞歸神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法，步驟為：（1）收集匯總歷史電網(wǎng)負(fù)荷和氣象數(shù)據(jù)，建庫(kù)備用；（2）去除步驟（1）所得異常數(shù)據(jù)，對(duì)剩余數(shù)據(jù)歸一化處理；（3）確定具有前饋和反饋功能的模型結(jié)構(gòu)；（4）采用歷史數(shù)據(jù)對(duì)基于IPSO算法的DRNN預(yù)測(cè)模型進(jìn)行訓(xùn)練；（5）將基于IPSO算法的DRNN預(yù)測(cè)模型用于實(shí)際負(fù)荷的預(yù)測(cè)中。本技術(shù)方案深度遞歸神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測(cè)方法在深度神經(jīng)網(wǎng)絡(luò)多隱層結(jié)構(gòu)的基礎(chǔ)上增設(shè)關(guān)聯(lián)層，并以改進(jìn)粒子群算法作為網(wǎng)絡(luò)的優(yōu)化學(xué)習(xí)算法，對(duì)模型權(quán)值空間進(jìn)行深度優(yōu)化。誤差有效降低，能夠融合前饋與反饋連接，提高網(wǎng)絡(luò)泛化能力，有效提高負(fù)荷預(yù)測(cè)精度。