【目的】电网建设项目中变电站工程造价的预测一直是影响项目成本管理的重要问题。然而，当前常用的变电站造价预测方法存在预测精度不足、计算效率低等问题，制约了预测模型在实际工程中的应用。为提高预测的准确性和计算效率，提出了一种基于改进的粒子群优化(IPSO)算法和最小二乘支持向量回归(LSSVR)算法的变电站工程造价预测方法。【方法】考虑到常规变电站与智能变电站在设备、技术和运维上的差异，通过分析这两类变电站的特点，对相关数据进行了有针对性的预处理，以去除噪声数据，填补缺失值，并将有效信息转换为特征向量，作为LSSVR模型的输入。为避免传统粒子群(PSO)算法易陷入局部最优解的问题，引入了一种混合调节策略，对PSO算法的惯性权重和学习因子进行优化，使得优化过程更加稳定并具备较强的全局搜索能力。通过该策略IPSO算法可以在全局搜索和局部搜索之间实现更好的平衡。利用IPSO算法优化LSSVR模型参数，并建立变电站工程造价预测模型。【结果】通过与其他预测模型进行比较分析得出结论，所提出的IPSO-LSSVR算法在预测精度上具有明显优势。具体来说，基于该模型的预测误差显著低于其他方法，可以将偏差控制在5%以内。改进后的粒子群优化算法能够有效避免陷入局部最优，确保了LSSVR模型在各种情况下都能提供较为准确的预测结果。【结论】基于IPSO优化LSSVR算法的变电站工程造价预测方法，克服了传统预测方法在预测精度和计算效率上的不足。在实际应用中，该方法能够为电网建设项目的成本管理提供更加准确的预测依据，从而有助于项目预算的合理制定和资源的有效配置。