本发明公开了基于K‑means聚类与卷积神经网络模型的负荷预测方法包括：采集电力负荷实测数据并对数据进行预处理，基于K‑means聚类算法对预处理后的数据进行聚类处理；利用VMD算法对聚类处理后的数据进行分解，根据分解后的数据构建CNN卷积神经网络并提取电力负荷特征和节假日负荷特征；通过CNN卷积神经网络对数据进行负荷预测，获取并分析负荷预测结果；本发明提供的方法通过K‑means聚类将数据分类成规律性更强的几类，具有较好的较好的抗噪声干扰和对复杂数据的分解精度高，提高了算法精度；并且本发明在训练过程中加入了学习率下降与满足一定条件时提前中止训练的代码，这样不仅保证了训练精度同时也大量的减少了训练的时长。