为准确预测用能负荷，通过调研高速公路典型构造物用能负荷历史数据，分析了交通量、天气状况、星期、月份以及节假日/工作日等多重因素对用能负荷的影响，采用主成分分析(PCA)方法对这些影响因素进行降维处理，消除原始序列的冗余性；分析了节假日/工作日属性和天气状况等因素对用能负荷特征的影响，提出了高速公路用能负荷预测模型候选数据集(CD)构建策略，在此基础上，采用长短时记忆(LSTM)网络模型对多变量用能负荷预测进行了动态时间建模，并依托广西桂柳高速公路实测数据对提出的预测模型进行了验证。分析结果表明：交通量、天气状况、星期、月份、节假日/工作日这5个主成分累计贡献率为85.54%,是高速公路用能负荷主要影响因素；隧道、收费站和服务区用能负荷的高峰时段分布各异，隧道用能负荷高峰时间波动较小，收费站用能负荷高峰集中在10:00～21:00,服务区用能负荷高峰时间段最短，仅集中出现在11:00～12:00;在不同季节测试日中，采用候选数据集构建策略及PCA处理后，提升了训练集数据的针对性，预测结果的精度也得到了提高，平均绝对百分比误差不超过12.33%,均方根误差不超过3.86,提出的预测模型在不同典型场景的负荷预测中均具有良好的适用性，可为高速公路自洽能源系统设计提供理论支撑。
