泛在电力物联网的建设带来了海量的电力用户侧数据,如何利用这些数据进行准确高效的负荷预测,是新一轮电力体制改革下电网公司经济稳定运营的基础。本文以泛在电力物联网建设为背景,研究了区域日最大负荷预测精度提升与算法耗时减小的问题,对此提出一种基于离散小波变换和改进粒子群优化的极限学习机相结合的多步预测模型。利用离散小波变换将负荷序列分解为3层细节分量和1层趋势分量,采用改进的粒子群算法对极限学习机的参数进行优化,融合重构的负荷序列和日期特征对优化后的模型进行学习,得到日最大负荷多步预测模型。依托某省泛在建设平台,对其A、B两地实际数据的预测结果表明,所提方法在RMSE、MAPE精度指标上比DWT-ELM、IWPSO-ELM、ELM和WNN均有明显改善,在训练耗时上比WNN缩短51.78s,验证了所提算法在提高预测精度的情况下大大降低模型的训练时间。