1. 江西水利电力大学，江西 南昌 330099；2. 国网江西省电力有限公司电力经济技术研究院，江西 南昌 330096
随着电力系统规模扩张与复杂度攀升，精准的超短期电力负荷预测对系统稳定运行和经济调度的重要性日益凸显。针对基于径向基函数（RBF）核最小二乘支持向量回归（LSSVR）模型的局限，文中创新性提出融合各向异性RBF核的 LSSVR模型（ARBF-LSSVR），并引入沙猫群优化算法（SCSO）进行参数寻优，构建 SCSO-ARBF-LSSVR模型。基于江西省 2024 年 9 月两个行业的 96点数据集，对所提出模型的有效性展开验证。实证结果显示：在 1步、3步负荷预测中，SCSO-ARBF-LSSVR模型的预测表现均显著优于其他基准模型。这一结果充分说明 SCSO-ARBF-LSS- VR模型优异的预测能力与良好的应用前景，为电力系统的高效运行与科学规划提供强有力的技术支撑。
[1] 肖立业 . 智能电网的关键技术及发展方向[J]. 电气时代， 2016（01）∶52-55.
[2] 李裕民，李宏杰，李晓嘉，等 . 基于PowerTimeMixer模型的短期电力负荷预测方法[J/OL]. 电网技术，1-13[2025-08-12].
[3] Dong Q，Huang R，Cui C，et al. Short-Term Electricity-Load Forecasting by deep learning：A comprehensive survey[J].En- gineering Applications of Artificial Intelligence，2025，154 ∶ 110980.
[4] Hong YY，ChanY H. Short-term electric load forecasting using particle swarm optimization-based convolutional neural net- work[J]. Engineering Applications of Artificial Intelligence， 2023，126 ∶106773.
[5] Li K，Huang W，Hu G Y，et al. Ultra-short term power load forecasting based on CEEMDAN-SE and LSTM neural net- work[J].Energy and Buildings，2023，279 ∶112666.
[6] 钟燕，王军，宋戈，等 . 基于二次重构分解去噪及双向长短时记忆网络的极端天气下超短期电力负荷预测[J/OL]. 电网技术，1-15[2025-08-18].
[7] 韩明冲，韩杰，姜超，等 . 基于 WOA-AM-GRU 的短期电力负荷预测方法的研究[J]. 山东电力技术，2024，51（12）∶27-33.
[8] 张异殊，李宜伦，姚志远，等 .基于VMD-GWO-SVR的短期电力负荷预测方法[J]. 东北电力技术，2024，45（07）∶27-31，37.
[9] 段忠炜，褚明洋，刘芳，等 . 基于灰狼算法优化支持向量机的短期电力负荷预测[J/OL].武汉纺织大学学报，1-6[2025-08-12].
[10] 庞丹萍，宫召华 . 基于改进最小二乘支持向量机的短期电力负荷预测[J]. 电工技术，2025（12）∶228-231，234.
[11] 王铭超 . 基于 VMD-BES-LSSVM 模型的短期电力负荷预测研究[J]. 电工技术，2025（06）∶74-77.
[12] 赵宇庆，腾志军 . 基于 Spearman-IPSO-LSSVM的短期电力负荷预测方法研究[J]. 电气自动化，2025，47（01）∶102-104，108.
[13] 杨海柱，石剑，江昭阳，等 . 基于 CEEMD-SSA-LSSVM 短期电力负荷预测模型[J]. 武汉大学学报（工学版），2022， 55（06）∶609-616.
[14] 鲁英达，张菁 . 基于改进猎人猎物算法的 VMD-KELM短期负荷预测[J]. 电气工程学报，2023，18（04）∶228-238.
[15] Seyyedabbasi A，Kiani F. Sand Cat swarm optimization：A nature-inspiredalgorithmto solveglobaloptimizationprobems[J].Engineering with Computers，2023，39（04）∶2627-2651.
