本发明公开了一种基于深度学习的台区短期负荷预测方法，包括如下步骤：S1：采集低压配电台区的时序运行数据，其中，所述时序运行数据包括电压、电流、有功功率、无功功率和时间信息；S2：对所述时序运行数据进行预处理和特征工程工作，得到数值型数据和类别型数据；S3：将所述数值型数据输入到训练好的Seq2Seq‑Attention模型中，得到经过Attention模型附加权重的向量序列，之后，将经过全连接网络的类别型数据与所述向量序列进行向量合并，并经过激活函数得到负荷预测结果。该基于深度学习的台区短期负荷预测方法，在Seq2Seq‑Attention模型和电力系统大量多维时间序列数据基础之上，基于Seq2Seq‑Attention模型下的台区短期负荷预测方法，能够达到较高的预测准确性。