本发明公开了一种基于深度学习的配电网负荷预测方法，包括：获取区域负荷数据和可再生能源发电数据，组成数据集，对数据集进行预处理，得到第一数据集；利用卷积神经网络提取第一数据集中的时间序列特征，通过嵌入层转化为深度学习模型的数据形式，得到一维时间序列数据进行快速傅里叶变换，得到频率曲线，提取所述频率曲线上的振幅值计算得到对应的周期，选择对应的周期将一维时间序列数据进行切片划分为二维矩阵；利用二维卷积网络进行特征提取，对完成特征提取的二维矩阵还原为一维数组，将一维数组进行自适应融合，得到第一时间序列特征输入到全连接层进行权重计算和线性变换，得到配电网负荷预测结果，提升了电力供应的稳定性和可靠性。