在双碳背景下，分布式光伏发电的大规模增加以及并网接入，对新型电力系统带来了巨大的挑战。高渗透率分布式光伏出力与电力负荷因受天气因素的影响，具有较强的不确定性和波动性，这在一定程度上增加了配电网净功率的预测难度。为了提高配电网净功率的预测精度，文章提出了Attention-双向GRU神经网络配电网净功率预测方法。文章对光伏出力特性、用户侧负荷特性、以及配电网净功率影响因素进行分析，充分掌握净功率受分布式光伏出力和用户侧负荷变化规律的影响；将Attention机制融入到双向GRU神经网络中建立了配电网净功率预测模型。其中，Attention机制赋予输入特征不同的关注度，双向GRU神经网络能够学习到净功率的时序特征，二者的完美结合，大大提升了净功率预测模型的表示能力和泛化能力。实验结果表明，所述方法提高了配电网净功率预测精度，且性能优于对比模型。