도시철도 전력량과 전력요금은 최근 꾸준히 상승하고 있기에 전력량을 절감하려면 정확히 예측하는 것이 중요하다. 도시철도 전력량은 기상 변수나 시간 혹은 계절의 영향을 받을 수 있기에 본 논문에서는 딥러닝을 이용한 도시철도 전력 예측 모델을 제안한다. 도시철도 전력량의 예측에 앞서 SPSS를 통하여 도시철도 전력량과 기상 데이터 간의 상관관계를 분석하였으며, 이를 토대로 딥러닝 예측 모델에서는 시계열 예측 성능이 좋은 LSTM 알고리즘과 LSTM에 CNN을 추가한 알고리즘을 사용하였다. 제안 모델은 CASE1, CASE2, CASE3로 구성되며 CASE1은 예측일 기준 과거 7일 전의 입력 데이터를 반영하여 예측을 진행하고, CASE2와 CASE3는 예측일 기준 과거 14일 전의 데이터를 반영하여 예측을 진행하였고 CASE3는 계절에 따른 특성을 알기위해 계절을 나누어서 학습하고 예측 성능을 진행하였다. 예측 진행 전에 정규화와 드롭아웃 및 하이퍼 파라미터 튜닝을 사용하였다. 실험을 통해 예측 성능을 분석한 결과 CASE1-1의 결과 CNN-LSTM 모델이 LSTM 모델보다 MAE 값이 0.029가 더 낮았고 CASE1-2는 MAE의 값이 0.0256이 더 낮았다. CASE2는 CNN-LSTM 모델이 LSTM 모델보다 최고온도와 최저온도를 적용한 케이스 모두 MAE 값이 0.02가 더 낮으므로 CASE1과 CASE2는 CNN-LSTM 모델이 예측 성능이 더 좋고 CASE3의 경우에는 LSTM와 CNN-LSTM의 MAE값이 큰 차이가 없다는 것을 확인하였다.