本发明涉及考虑聚合负荷及其相关性可学习的售电用户负荷预测方法，属于用户级负荷预测技术领域，GCN能够挖掘图结构数据中的节点信息以及节点间的相关性信息。通过GCN挖掘用户之间的潜在相关性能够提升预测精度。提出一种可学习邻接矩阵，能够自适应地学习不同序列间的相互关系而获得邻接矩阵，相较于相关系数能够更好地捕捉用户序列之间的复杂关系，能够根据数据的特性自动调整连接的强度，从而更好地适应不同的数据分布和特征，是一种在无法事先定义图结构时获取邻接矩阵的有效方法。经实验验证，相比现有预测算法，本发明所提预测方法更加准确和稳定。