本发明涉及电气自动化领域，具体公开了一种基于改进Informer模型的电力负荷预测方法，该方法包括以下步骤；S1：获取电力负荷数据；S2：获取天气数据；S3：对电力负荷数据和对应的天气数据进行整合以及预处理；S4：使用XGBoost算法对整合后的电力负荷数据进行特征筛选，选出合适的特征维度和特征；S5：构建I nformer网络模型；所述I nformer网络模型用于执行概率自注意力机制，蒸馏操作和动态解码；S6：使用S5所述I nformer网络模型对电力负荷数据进行处理，获取未来一段时间内的电力负荷预测值；通过概率自注意力机制能够关注到影响电池荷电状态的关键特征，并且相比于普通的注意力机制，能够大大减小运算时间，提高网络的运行效率。