随着电力体制改革的不断推进,适合各省的电力市场模式已完成初步建设,确保电力从计划管理往市场竞争平稳过渡,让市场上的电价合理反映电力供需关系,以便科学的引导和投资,合理配置相关资源。不同类型的用电量需求预测能为实现电力改革目标提供决策支持,不同的用电类型有着不同的价格和交易方式等,分类型预测结果不仅对电网投融资的资金而且对发电企业资源配置优化等相关决策具有参考价值。在现货市场环境下提出了 RFE特征选择模型从大量影响用电需求指标中,例如宏观、微观经济、社会人口、市场、天气、节假日、衍生指标以及历史用电数据特征等等,选择适合目标用电量需求的特征矩阵,并输入到特定类型用电量需求模型。通过不同模型ARIMA,SVR,PSO-SVR,SA-SVR和LSTM之间的预测结果对比,可知在训练集上PSO能优化了 SVR模型的预测结果,但LSTM模型在测试集上的预测结果都优于其他模型。大工业用电、一般商业用电、农业用电和居民用电分别在其最优模型上的RMSE为0.076,0.088,0.094,0.091。其中除了大工业用电以外的其他用电量需求的最优模型为PSO-SVR,但存在过拟合问题,测试集上的预测效果不佳。当将目标变量季节分解后进行预测大大提高了预测的精准度并缓解了过拟合的问题,四种不同用电量需求在最优模型上的RMSE分别为0.046,0.025,0.047,0.009;并且最优模型都为LSTM,在测试集上的预测效果分别为0.078,0.190,0.324,0.081。但由于农业用电明显不同于其他用电需求规律,SA-SVR模型在整体上取得更优的预测效果在训练集和测试集上分别为0.096和0.205,而且季节分解后反而加重了过拟合问题。通过提出的模型方法在预测经验不断累积过程中可形成一个预测系统,当面对不同的预测条件和目标变量或者行业时,可通过对其进行趋势等相关分析和专家系统等确定适合的预测模型范围,并通过模型之间的比较对模型优化反馈。