随着社会经济的发展和人们生活水平的提高,能源需求变得越来越重要,传统能源会造成环境污染,因此风、光、水等污染小的可再生能源得到青睐,与此相关的分布电源研究也变得越来越受重视,为了使可再生能源和分布式电源获得充分的开发和利用,微电网应运而生。负荷预测是微电网研究中的重要部分,微电网负荷预测关乎微电网的安全经济运行和稳定系统调控,微电网负荷相比大区域电网负荷,具有容量小、波动性大和非线性强的特点,使得微电网短期负荷预测的难度更大。针对此种情况,本文构建深度神经网络模型进行微电网短期负荷预测,通过分析影响负荷的相关因素来提取特征,从而确定模型的输入,结合深度神经网络良好的非线性映射能力来有效提高微电网短期负荷预测精度。微电网个数较多,在进行训练时会生成大量模型,既占用存储空间,也不便于管理。因此本文提出一个减少模型个数的方案,即将多个微电网的负荷数据训练得到一个模型,称之为统一模型,此模型可以用来预测所有的微电网负荷。在统一模型方案下,基于深度神经网络模型,通过在输入端添加分位点特征和在输出端级联残差块网络,来提高微电网负荷预测精度。实验证明,本文构建的深度神经网络模型相比其它文献中的模型,具有最低的预测误差,模型性能更加稳定,表明本文所选择的特征输入和网络结构是合理的,更适用于微电网短期负荷预测。本文以9个不同的微电网来验证统一模型方案的可行性,通过预测模型的改进进一步降低了预测误差,预测结果更加稳定,预测误差均不超出5%,说明统一模型方案是可行的,具有一定的意义。