一种基于集成片段变换和时间卷积网络的电力负荷分布预测方法。该方法通过集成片段变换对历史电力负荷数据与天气数据进行分解，获得时间序列的趋势项与周期项分量；利用时间卷积网络自适应学习历史数据中的模式特征，构建电力负荷多步预测模型；引入分位数损失目标，得到不同分位数下的预测模型；最后将训练完成的模型应用于实际电力负荷预测中，将中位数模型预测值作为实时负荷预测结果，并利用核密度估计获取实时负荷预测分布。该方法能够为电力负荷预测提供更加全面、精准的信息，对电力系统的调度管理提供重要支持。