本发明公开了一种基于基于VMD‑ELM‑AEFA的避雷器阻性电流预测方法，包括采用变分模态分解算法将原始的避雷器阻性电流进行序列的分解，减少原始序列的复杂性和非线性，同时提取序列的有效信息；对分解后的k个IMF分量提取并将分量数据进行归一化处理，划分相应的训练集和测试集；将分解的IMF分量和余量同时采用AEFA算法对ELM模型进行寻优，找到最优的种群位置，并计算ELM模型最优的权值和阈值后重新代入模型中进行预测，得到各个分量的模型预测结果；将模型预测得到各自分量的结果进行叠加得到最后阻性电流的预测结果。从最终的预测结果可以看到，单一的极限学习机因权值和阈值的随机产生不是最优情况因此对于阻性电流的拟合优度较差，MAPE值为1.129，随后引入AEFA算法优化ELM内部参数，模型的误差指标有所提升MAPE为0.97，最后本发明在组合模型的基础上，又引入VMD分解模型将非线性原始阻性电流序列去除噪声，并提取有效信息再进行组合，最后MAPE提升至0.483，与单一模型相比有着更高的泛化性。