基于注意力机制的DWT‑LSTM电力负荷预测方法，采用离散小波分解方法对采集到的原始负荷数据进行分解，得到不同尺度负荷分量；引入注意力机制，根据各尺度负荷分量的重要程度进行自适应赋权，完成负荷数据的预处理；利用改进的PSO粒子群算法对LSTM长短期记忆神经网络模型参数进行寻优，得到优化后的LSTM模型；将赋权后的各负荷分量分别代入优化后的LSTM模型进行训练，得到各个负荷分量的LSTM负荷预测模型；将注意力机制处理后得到的负荷分量作为输入，输入到相应分量的LSTM负荷预测模型，即得到各个分量的负荷预测值，然后将各个分量的负荷预测值累加，即为下一时刻电力负荷的预测值。本发明方法能够在多因素交互影响的情况下，准确的预测电力负荷数据。