在电力技术水平高速发展的今天,负荷预测的地位也越来越重要。良好的负荷预测结果,不仅可以使电力部门的发配电更加合理,避免资源浪费,还可以对机组的启停、增减出力做出指导。随着智能电网的提出,对负荷预测的准确性也提出了更高的要求。而一些影响因素诸如气象、经济、日期类型等会对负荷预测产生较大的干扰。简要论述了有关于负荷预测的情况与必要性,对负荷预测的相关分类、电力负荷预测的理论方法进行了分析。针对电力负荷预测误差大和计算量大的问题,建立了基于卷积神经网络的电力负荷预测模型,并以某地区的负荷情况为例,进行了长期负荷预测与短期负荷预测,通过仿真与BP神经网络比较,结果显示卷积神经网络拟合情况较好,不过仍有改善的空间。考虑到预测结果受多因素影响,针对预测结果误差较大的问题,采用了皮尔逊相关系数分析法,对提取到的18个影响因素逐一量化、归一化处理并分析,最终提取出10个与其最相关的影响因素,并分配权重。针对单纯使用卷积神经网络的方法没有考虑到时间序列的影响,对预测结果并不是特别理想的问题,提出了一种基于卷积神经网络与长短时记忆网络混合模型的负荷预测。用与之前相同的数据进行了长期负荷预测与短期负荷预测,用Python仿真结果表明卷积神经网络与长短时记忆网络混合模型对长期负荷预测与短期负荷预测的效果相对于BP神经网络与卷积神经网络都有了明显的提高,拟合程度相当优秀,说明了长短时记忆网络提取了时间序列特征是非常有效的,改进的方法更加优越。