本论文主要实现了能耗预测系统以及系统下的两个适用于用能波动的预测算法。本文首先提出了一种基于改进粒子群算法优化的多层感知机算法。传统的粒子群算法存在易陷入局部最优解的问题,针对这个问题,本文对传统的粒子群算法进行改进,并利用其求最优解的特性对多层感知机算法进行优化。然后提出了一种基于改进遗传算法优化的Lasso-SVR混合预测算法。该算法主要利用Lasso回归线性逼近能力与SVR非线性拟合能力对能耗数据进行预测。最后实现了能耗预测系统。本论文主要内容如下:(1)研究了多层感知机算法,并提出一种改进的粒子群算法优化多层感知机。主要利用佳点集理论和莱维飞行理论改进了粒子群算法,同时为了保证粒子的多样性,又将粒子分为多个粒子群。相比于传统粒子群算法静态的速度调整,改进后的粒子群算法根据粒子的适应度进行动态的速度调整。经实验表明,改进后的粒子群算法更难陷入局部最优解,因此将该算法用于多层感知机的参数调节,更容易找到全局最优解。这种基于改进粒子群算法优化的多层感知机算法拥有较好的预测效果。(2)研究了传统的Lasso回归和SVR算法,提出一种将二者进行组合的混合预测算法。还使用了遗传算法进行参数调节,传统的遗传算法存在收敛慢的问题,故需要对遗传算法进行改进。本论文对遗传算法的选择、交换、变异进行了优化与改进,并且利用模拟退火算法对遗传算法进行优化。经实验表明,新的遗传算法收敛速度得到了加快,运行时间得到了减少,且这种基于改进遗传算法优化的Lasso-SVR混合预测算法相比单独使用Lasso回归和SVR算法,拥有更好的预测效果。(3)设计实现了整个能耗预测系统。首先从需求分析出发,设计出整个系统的总体架构。再从主要功能出发,介绍了用户管理功能、预测功能、数据预处理功能的实现。最后对系统进行了测试。通过研究适用于用能波动的预测算法,一是有助于能耗监管人员发现有无用能异常,二是有利于能耗供应商优化其能耗供应策略,从而降低能耗的浪费。因此,能耗预测算法的研究对我国节能降耗政策的实现具有重大的意义。