电力负荷预测在保证电力系统安全运行、平衡能源分配等方面至关重要，精准的负荷预测能有效减少用电事故 的发生，提高用电效率。利用神经网络组合模型的优势，充分提取时间序列的特征，输入到GRU网络进行预测，使得模型的 预测准确率更高、泛化能力更强。使用ResNet解决卷积网络层数堆叠带来的问题，将处理后的数据作为GRU的输入，以此构 建泛化能力更强的混合模型ResNet+GRU。为了验证所提出的技术，本实验选取100个数据节点，并通过实验证明ResNet+ GRU优于所有方法，使用ResNet+GRU获得MAE、MSE、RMSE和MAPE的值最小。