结合区域间电力负荷的空间相关性和时间相关性，本文提出了一种基于Spearman-GCN-GRU的超短期多区域电力负荷预测模型，首先使用Spearman相关系数分析区域电力负荷的相关性，并根据相关性的强弱构建其对应的Spearman邻接矩阵，使用GCN模型提取数据中的空间特征，GRU模型学习输入数据的时序特征，最后通过MLP解码输出多区域对应的预测结果。通过和基于距离邻接矩阵作为输入的模型进行对比，验证了模型的可行性。通过与传统统计模型SVR、神经网络模型GRU、GCN和DNN进行对比，验证了本文提出的模型拥有更高的预测精度。在未来研究中可考虑加入区域的气温、湿度和节假日等特征，进一步提高超短期电力负荷的预测精度。
