本发明公开了一种基于神经网络和随机森林法的电力负荷预测方法。它包括如下步骤：步骤一：获取原始电力负荷数据；步骤二：建立LightBGM模型进行深度学习并不断调节参数；步骤三：使用LightBGM模型根据原始负荷数据进行预测；步骤四：将第一预测结果输入随机森林预测模型进行反向预测；步骤五：判断反向预测结果与原始负荷数据的偏差；判断第一次预测结果是否准确，预测负荷数据与原始负荷数据进行对比偏差小，则第一预测结果准确，直接输出第一预测结果，若预测负荷数据与原始负荷数据进行对比偏差大，调整LightGBM算法中的相关参数，然后重复进行预测以及反向预测在比较。本发明具有提高预测结果的精度的优点。