本发明提出了一种基于大数据的能源管理方法及系统，属于智能管理技术领域。首先收集并处理多源异构数据；其次使用循环神经网络进行特征提取，得到特征向量；将特征向量与传统统计特征进行融合，得到综合特征向量；然后将综合特征向量输入到能源消耗模型进行预测，得到预测值；最后将能源消耗模型进行模型部署与实时预测。本发明通过特征选择函数、遗传特征函数以及结合注意力机制和编码解码器的深度学习模型，提高了特征的表达能力和模型的泛化能力；构建的能源消耗预测模型结合了多特征融合、LSTM、门控残差网络、双重注意力模块，实现了模型的实时预测与动态节能策略制定，显著提升了能源使用的效率和经济性。