精度的短期负荷预测能给电网带来科学有效的电力调度方案,以达到供电和用电平衡。将配电不均带来的损耗将至最低,减少运行成本,进而给社会带来稳定的经济增益。短期负荷预测参照过去负荷变化规律及其影响因素,如时间、天气和电价等,推测将来负荷的走势。由于受到多种相关因素的交互作用,短期负荷预测成为了一个广泛关注的非线性复杂问题。传统预测法预测精度不理想且仅适用于周期性强的负荷序列。根据国内外研究现状,许多学者使用支持向量机的回归特性,构造预测模型,均获取了良好的预测结果。但标准的支持向量回归的预测法存在问题,模型参数选值和模型的输入量能直接影响模型的精度。为此本文,提出跳跃双策略果蝇优化算法用于优化支持向量回归参数,并引入特征特征选择筛选模型输入量,从而构建短期负荷预测模型。以下为本文的主要工作:1.针对果蝇优化算法种群多样性差和常出现局部最优的缺点,本文提出跳跃策略果蝇优化算法(LDFOA)。引入双策略增加果蝇优化算法的种群多样性和加入跳跃因子增强其逃脱局部最优的能力。通过15个经典函数的测试结果证明该改进方案对算法的性能有较好地提升。2.本文将跳跃双策略果蝇优化算法作为特征选择的核心搜索引擎,提出基于跳跃双策略果蝇优化特征选择方法(LDFOAFS)。使用跳跃双策略果蝇优化算法按照相关性筛选训练集,通过评价函数对候选子集进行评估选择,最后得出最优子集。采用12个UCI数据集对其测试,结果表明特征选择能够提高数据分类的效果,且基于跳跃双策略果蝇优化特征选择方法分类性能和筛选子集的能力较好。3.提出基于特征选择和跳跃双策略果蝇优化支持向量回归预测模型。以跳跃双策略果蝇优化算法实现支持向量回归的参数优化,用跳跃双策略果蝇优化特征选择算法筛选出最优预测变量作为输入,构建预测模型。以澳洲新南威尔士2007年5月4日至5月13日的真实短期负荷为研究对象,验证计算表明:基于特征选择和跳跃双策略果蝇优化支持向量回归预测模型的预测性能良好。