本發(fā)明提供了一種Lstm與Gcforest算法混合強(qiáng)化學(xué)習(xí)的配網(wǎng)變壓器負(fù)荷預(yù)測(cè)方法，該方法包括：首先，通過截取某段電網(wǎng)負(fù)荷數(shù)據(jù)構(gòu)造數(shù)據(jù)集，輸入Lstm算法生成Lstm模型。接著，另截取一段電網(wǎng)數(shù)據(jù)其中包括工況及負(fù)荷數(shù)據(jù)。選取負(fù)荷數(shù)據(jù)構(gòu)建Lstm數(shù)據(jù)集，輸入Lstm模型得到負(fù)荷預(yù)測(cè)結(jié)果。然后，將預(yù)測(cè)負(fù)荷結(jié)果與工況數(shù)據(jù)融合構(gòu)造新的數(shù)據(jù)集，將數(shù)據(jù)集輸入Gcforest算法生成Gcforest模型。最后，將應(yīng)用數(shù)據(jù)負(fù)荷數(shù)據(jù)集輸入Lstm模型得到負(fù)荷預(yù)測(cè)結(jié)果，將負(fù)荷預(yù)測(cè)結(jié)果與應(yīng)用數(shù)據(jù)工況數(shù)據(jù)融合后輸入Gcforest模型得到最終應(yīng)用負(fù)荷結(jié)果。通過Lstm循環(huán)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)具有長(zhǎng)短期依賴知識(shí)的能力，以及深度森林對(duì)非線性屬性特征提取的能力，在配變負(fù)荷預(yù)測(cè)場(chǎng)景中使用Lstm?Gcforest組合模型能夠更精準(zhǔn)的預(yù)測(cè)配變負(fù)荷狀況。