本申请提出的基于异构网络分析的工业用户用电行为预测方法、系统及存储介质中，获取工业用户的用户特征，并根据用户特征构建多源异构数据表，其中，用户特征包括基本特征、行为特征和环境特征，对多源异构数据表进行消歧匹配和数据融合，得到结构化数据，然后挖掘结构化数据中基本特征、行为特征和环境特征之间的显式关系关联，再基于结构化数据的显示关系关联，利用图卷积神经网络得到结构化数据的图网络结构，并根据图网络结构利用图注意力机制预测工业用户的用电量。由此，本申请的实施例中，提高了预测结果的准确度，进而使得电网高效发挥应有效能，有效提供针对性的电力资源，保证生产效率。