针对新能源并网后的供电体系存在较高的间歇性和波动性，传统的点预测无法提供负荷数据中的不确定信息。为此，本发明提出一种基于多目标和贝叶斯优化(Multiple Objective and Bayesian Optimization，MOBO)的短期电力负荷区间预测方法，属于电力负荷预测领域。该方法首先建立基于深度学习的分位数回归模型，客观地验证了各神经网络对负荷中关于非线性和时序性信息的处理能力；其次，通过有效性检验，分析单项模型和混合模型的预测效果，并选取具有可靠预测区间的模型；最后，对选取的模型引入多目标和贝叶斯优化理论实验结果表明：所提的模型能更加准确地描述电力负荷的波动范围。
