Mantener el equilibrio entre la oferta y la demanda de electricidad sigue siendo una preocupación central en los sistemas de energía. Un programa de respuesta a la demanda puede ajustar la demanda de carga de energía desde el lado de la demanda para promover el equilibrio entre la oferta y la demanda. La predicción de carga puede facilitar la implementación de este programa. Sin embargo, a medida que los patrones de consumo de electricidad se vuelven más diversos, los datos de carga resultantes se vuelven cada vez más irregulares, lo que dificulta la predicción precisa. Por lo tanto, este documento desarrolló un esquema de predicción especializado. Primero, los parámetros de la descomposición modal empírica de conjunto completo mejorada con ruido adaptativo (ICEEMDAN) se optimizaron utilizando la optimización de ballenas beluga (BWO). Luego, los datos de carga de potencia no lineales se descompusieron en múltiples subsecuencias utilizando ICEEMDAN. Finalmente, cada subsecuencia se predijo de forma independiente utilizando el modelo iTransformer, y la predicción general se derivó integrando estas predicciones individuales. Se seleccionaron datos de Singapur para la validación. Los resultados mostraron que el modelo BWO-ICEEMDAN-iTransformer superó a los otros modelos de comparación, con un R de 0.9873, RMSE de 48.0014 y MAE de 66.2221.