本发明公开了一种基于深度神经网络的电力负荷预测方法，包括：采集历史负载数据；使用多个并行卷积神经网络CNN组件来处理历史负载数据，得到序列数据；将并行结构引入深度神经网络模型DNN中；通过递归神经网络处理序列数据得到一个隐藏的对应状态列表；将其他类型的特征纳入到我们的预测模型中作为模型的DNN部分的输入，进行负荷预测。使用不同类型的神经网络组件对可能影响负载消耗的不同类型的因素进行建模，并使用多个卷积神经网络CNN组件从历史负载序列中学习丰富的特征表示，然后使用基于LSTM的递归神经组件对历史加载中的变异性和动力学进行建模，以达到提前一天进行每小时的电力负荷预测的目的。