本发明公开了一种基于门结构深度交叉网络的电力预算评估方法，从“一级利润中心”及“业务域”2个维度出发，中抽取影响电力预算的代表性的特征；采用Embedding网络层将这些特征从离散和连续型分别转换为低维稠密的表征向量；采用开源的Transformer模型中的多头注意力网络去捕捉不同特征之间的交互，和学习多样化的特征交互带来的多义性，从而输出高质量的特征表达向量。将这些表征向量分别传入一个深度网络和交叉网络，进行融合；基于训练的模型，计算测试集中样本的未来年份电力预算评估值。本发明解决了电力系统单位及专业部门年度预算与分配过程中缺乏决策指导的难题，既保持了深度网络的优点，又能利用交叉网络来对特征进行显式的交叉计算。