Un pronóstico preciso de la carga de energía tiene un impacto importante en los sistemas de energía. Para mejorar la precisión del pronóstico de carga, se propone un nuevo modelo de pronóstico de carga, VMD-CISSA-LSSVM. El modelo combina el método de preprocesamiento de datos de descomposición modal variacional (VMD), el algoritmo de búsqueda de gorriones (SSA) y el modelo de máquina de vectores de soporte de mínimos cuadrados (LSSVM). Se propone un algoritmo de búsqueda de gorriones caótico mejorado de múltiples estrategias (CISSA) para abordar las deficiencias del algoritmo SSA, que tiende a optar por óptimos locales y a una convergencia lenta. La población inicial se genera utilizando un mapeo caótico de tienda mejorado para mejorar la calidad de los individuos iniciales y la diversidad de la población. En segundo lugar, se utiliza una estrategia de seguimiento aleatorio para optimizar el proceso de actualización de posición de los seguidores en el algoritmo de búsqueda de gorriones, equilibrando el rendimiento de explotación local y la capacidad de búsqueda global del algoritmo. Finalmente, se utiliza la estrategia de vuelo de Levy para ampliar el rango de búsqueda y la capacidad de búsqueda local. Los resultados de la función de prueba de referencia muestran que el algoritmo CISSA tiene una mejor precisión de búsqueda y rendimiento de convergencia. La volatilidad de la secuencia de carga original se reduce mediante el uso de VMD. Los parámetros óptimos de LSSVM se optimizan mediante el CISSA. Los resultados de la prueba de simulación demuestran que el modelo VMD-CISSA-LSSVM tiene la mayor precisión de predicción y resultados de predicción más estables.