Dự báo phụ tải điện là một vấn đề quan trọng trong quản lý lưới điện nhỏ. Dự báo phụ tải chính xác là yêu cầu cấp thiết để quản lý điện hiệu quả cho lưới điện nhỏ. Bài báo này xem xét việc đánh giá hiệu quả của việc áp dụng các thuật toán tối ưu hóa khác nhau sử dụng mạng noron học sâu để giải quyết đó là mạng Wavenet. Các mô hình kết hợp các thuật toán tối ưu hóa với Wavenet được áp dụng cho dự báo phụ tải ngắn hạn. Để đánh giá độ chính xác của các mô hình dự báo, nghiên cứu này đã sử dụng các thuật toán tối ưu hóa (HHO, Adam, RMSprop, SGD, Adagrad) để tính toán mạng Wavenet. Để thực hiện tính toán cho mô hình, phương pháp thực hiện với tập dữ liệu phụ tải của mô hình lưới điện nhỏ thuộc lưới điện Thành phố Hồ Chí Minh. Kết quả cho thấy mô hình HHO hoạt động tốt hơn mô hình dựa trên các thuật toán tối ưu hóa khác về lỗi bình phương trung bình gốc (RMSE) và lỗi tỷ lệ phần trăm tuyệt đối trung bình (MAPE).Power load forecasting is an important issue in microgrid energy management. Accurate load forecasting is urgently required for effective power management for microgrid. This paper considers the evaluation of the effectiveness of applying different optimization algorithms to the proposed Deep Learning Neural Network, which is Wavenet. Models combining optimization algorithms with Wavenet are applied for short-term load forecasting. In order to evaluate the accuracy of the predictive models, this study used optimization algorithms (HHO, Adam, RMSprop, SGD, Adagrad) to calculate the Wavenet network. To perform calculations for the model, we work with the load data set of a microgrid model belonging to the Ho Chi Minh City power grid. The results show that our HHO model outperforms the model based on other optimization algorithms in terms of Root Mean Square Error (RMSE) and Mean Absolute Percentage Error (MAPE).