根據時序用電數據的獨特性，采用的應用模型算法隨之相應改進，采用一種基于后向傳播算法的循環神經網絡（Recurrent Neural Networks，RNN）改進模型并根據用電數據的時序特點分別對短期連續性、周期性、長期趨勢性進行建模，同時對影響用戶用電行為的外部因素進行分析，建立基于時序分解的 RNN 預測模型，從而對未來時段用電行為和軌跡記錄進行分析和預測，提升預測的準確性和適應性。

循環神經網絡（RNN）是一種節點能夠定向連接成環的人工神經網絡，可以使用其隱含層中的記憶信息對任意時序的輸入信息進行處理，即利用先前已經發生的信息推斷后續發展結果。和其他神經網絡相比，循環神經網絡包含了使得信息可以持久化的循環結構，它的本質特點是處理單元之間不僅有內部的反饋連接，還有前饋連接。從系統角度看，它是一個循環動態系統，其主要形式是該結構有個循環結構會保留前一次循環的輸出結果并作為下一次循環輸入的一部分輸入，在整個計算過程中表現出動態特性，且擁有強大的計算能力。

能管平臺時序模型構建方法，是基于在通過時序分解，得到不同時間尺度上的用電量預測，選擇真實智能電表所記錄的數據為對象，統計分析單個維度用電消耗記錄數據中有關時序變化特點和規律，并據此設計出具有針對性的建模方案。