一种基于GCN‑LSTM的电力系统短期负荷预测方法，本发明属于电力系统负荷预测技术领域，首先，完成时空特征的构建和归一化，将海量的历史负荷数据、气象数据、日期信息按时间滑动窗口构造连续特征图作为输入，接着将电网络模型作为图结构嵌入到GCN中，并将网络参数转换为GCN中的邻接矩阵，从而提取空间特征，然后，将GCN的输出作为LSTM网络的输入，在时间维上提取负荷变化的特征，解决了递归神经网络的梯度消失问题。最后，依次完成测量数据窗口的滚动更新和异步序列映射等方法对回归预测模型进行训练，增强了GCN‑LSTM模型的鲁棒性。