本发明提供了一种电能表电流过载预测方法，获取电流过载相关用电数据特征以及用户用电样本数据；对数据进行预处理，得到具有时序特征的用电数据；针对具有时序特征的用电数据，按照不同时间粒度进行分类，得到多层级的用电时序数据，以设定规则提取用电数据序列中的关键特征，获取不同时间窗口的候选shapelet序列；基于shapelet序列特征与用电特征，采用门控神经网络构建并训练得到的电能表电流过载预测模型，进行电能表电流过载判别；基于电能表电流过载判别结果，整合各时间层级的电流过载分布情况，形成格式化预警报文发送，进行现场核查，并更新数据；本发明能够实现对电流过载问题的常态监控和高效管理。