本发明公开了一种基于层次残差自注意力神经网络的长期电力负荷预测方法。本发明包括三部分的内容：第一，自适应的提取历史负荷数据中的趋势项，周期项，节假日项，天气项的混合特征数据并与历史负荷序列数据融合。第二，对融合后的序列数据进行时间分量递归分解，并利用层次残差自注意力网络块对时间分量进行编码，第三，重建时间分量，进行生成式解码，预测未来一段时间的电力负荷波动。本发明通过层次化的对负荷序列进行拆解，重建，预测，有效的捕捉了序列的长短期特征，提升了模型在长序列负荷预测场景下的预测精度。