摘要：提出了一种基于贝叶斯证据框架下加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine，WLSSVM）的短期负荷预测模型和算法。在对历史负荷数据进行完预处理基础上，分析影响负荷变化的重要因素，然后选择最佳的输入数据作为LS—SVM训练模型的输入向量。通过贝叶斯证据三层推断寻找到模型的最佳参数：第一层推断确定LS-SVM的权向量w和偏置值b，第二层推断确定模型的超参数γ，第三层推断确定核函数的超参数σ。为了提高模型的鲁棒性，赋予了每个样本误差不同的权系数，建立了具有良好泛化性能的WLS-SVM回归模型，从而进一步提高了模型预测的精度。采用上述方法对黑龙江电网短期负荷进行了预测，结果证明了该方法具有良好的预测效果。

关键词：贝叶斯证据框架 最小二乘支持向量机 短期负荷预测 历史数据 鲁棒性 

单位：东北电力大学电气工程学院 吉林吉林132012 成都市电业局 四川成都610021