【摘要】随着时代的发展，运用模型预测用电量能有效预测未来所需电量从而能够节约电力资源，常见的预测方法有利用卷积神经网络（ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ＣＮＮ）和长短期记忆网络（ｌｏｎｇ⁃ｓｈｏｒｔ ｔｅｒｍ ｍｅｍｏｒｙ，ＬＳＴＭ）。 本文将基于某地区某一时间段的负荷值，利用基于贝叶斯优化的 ＣＮＮ 模型、ＬＳＴＭ 模型和 ＣＮＮ＋ＬＳＴＭ 模型分别进行预测分析。 实验结果表明 ＣＮＮ＋ＬＳＴＭ 的混合模型超短期负荷预测的平均绝对比例误差（ｍｅａｎ ａｂｓｏｌｕｔｅ ｐｅｒｃｅｎｔａｇｅ ｅｒｒｏｒ，ＭＡＰＥ）、均方根误差（ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅｄ ｅｒｒｏｒ， ＲＭＳＥ）、平均绝对值误差（ｍｅａｎ ａｂｓｏｌｕｔｅ ｅｒｒｏｒ，ＭＡＥ）、平均偏差（ｍｅａｎ ｂｉａｓ ｅｒｒｏｒ， ＭＢＥ）比 ＣＮＮ、ＬＳＴＭ 模型单独预测的要低，预测精度更高，并且克服了 ＣＮＮ的池化层会丢失一定信息的缺点及 ＬＳＴＭ 的时间序列跨度大会出现耗时偏多等问题。