本发明公开了一种电力系统负荷预测方法和系统。本发明预测方法包括：以用电企业为单位，对企业用电数据集以给定的采样时间窗口进行滑动采样；将滑动采样后的数据集划分为训练集和测试集，构成GA‑CNN‑LSTM模型的输入；构建GA‑CNN‑LSTM模型；构建基于GA遗传算法的调参策略；将训练集输入GA‑CNN‑LSTM模型，在GPU上进行模型调参，获得最优参数；将训练集输入GA‑CNN‑LSTM模型，使用最优参数，在GPU上进行模型训练；将训练集输入GA‑CNN‑LSTM模型，在测试集上进行预测，获得最终预测结果；使用均方误差MSE、平均绝对误差RMSE、决定系数R2_Score和均方根误差MAE指标评估模型的效果。本发明能得到更可靠的数据集划分方式及能稳定、精确地挖掘电力负荷序列长期依赖关系，有效解决电力负荷预测技术难题。