摘要：基于负荷时间序列的混沌特性,提出了一种结合相空间重构（PSR）和高斯过程回归（GPR）的短期负荷预测方法。首先采用C-C方法确定时间序列的延迟时间和嵌入维度,分别建立单变量和多变量的相空间重构模型。然后,分别运用单一与组合核函数的GP模型对负荷样本进行训练,根据最优超参数对24 h的日负荷进行预测。最后将预测结果与支持向量机模型以及多变量GP模型进行比较。结果显示,多变量组合核函数GP模型取得了更好的预测结果,验证了所提出的基于PSR和GPR的预测方法的可行性。

关键词：相空间重构 高斯过程回归 短期负荷预测 组合核函数 

单位：华南理工大学电力学院; 广州广东510640