基于核主成分分析和CSM-PSCO优化LSSVR的短期负荷预测

分析了一种基于核主成分分析(kernel principle component analysis,KPCA)和混沌单纯形混合粒子群协同(chaos and simplex method-particle swarm coordinate optimization,CSM-PSCO)算法优化最小二乘支持向量回归机(least square support vector regression,LSSVR)的短期负荷预测模型。首先,采用KPCA对训练样本的输入个数进行降维优选,以较少输入代替原始大量输入,同时信息大部分得以保留;然后,采用LSSVR对训练样本进行回归训练,训练过程中采用CSM-PSCO对LSSVR的相关参数进行优化,得到满足要求的模型;最后,采用训练好的模型对未知负荷进行预测。算例表明该模型的预测精度和速度均能满足实际的预测需求。