本发明公开了一种基于时序数据周期性的用电负荷预测方法。本发明涉及的模型包含两个模块：趋势建模模块和周期关注模块，分别抓取时间序列趋势性和周期性的特征。其中趋势建模模块采用改进后的TCN，负责抓取时间序列的长短期依赖，建模时间序列的趋势性；周期关注模块由卷积运算和BiLSTM组成，该模块通过跨周期关注预测点在历史周期中的相近位置，对时间序列的周期特征进行提取，利用门控循环神经网络的底层原理，使时序信息跨周期传递的同时，避免了循环神经网络在处理长序列输入时梯度消失的问题。实验证明，显式地关注时间序列的周期特性，让本发明具有更好的解释性的同时，提升了在用电负荷数据预测任务上的准确度。