面向大规模样本的核心向量回归电力负荷快速预测方法

将适用于解决大规模样本训练问题的核心向量回归(corevector regression,CVR)方法引入到电力负荷预测中,并采用粒子群优化(particle swarm optimization,PSO)方法对CVR的模型参数进行寻优,从而提出了一种基于PSO-CVR的负荷预测新模型。构造大规模负荷训练样本,研究对样本负荷产生影响的因素,从而确定样本集的构造。通过用PSO对CVR的模型参数进行优化,得到优化后的CVR预测模型,循环构造预测样本并进行连续预测。算例分析结果表明,在相同时耗下,所提出的优化CVR预测模型能够通过训练更大规模的样本得到比支持向量回归(support vector regression,SVR)方法更高的预测精度。