一种基于Kmeans与FR‑DBN的短期负荷预测方法，利用Kmeans结合共轭梯度法(FR)改进深度学习网络(DBN)的组合模型进行电力系统负荷预测，通过Kmeans聚类算法分批数据加快学习速率，同时将DBN无监督特征学习机制引入负荷预测模型中，再利用FR共轭梯度法进行优化，并将预测结果与预测所需时间分别和传统预测模型进行比较。本发明的优点：基于无监督特征学习这一视角展开，解决权重的选取带有一定的主观性这一问题，具有加快学习速率、提升预测精度优势，对保证电网安全稳定的运行具有十分重要的意义，为电力系统负荷预测提供一种新的预测方法。