摘要：将适用于解决大规模样本训练问题的核心向量回归fcorevectorregression，CVR）方法引入到电力负荷预测中，并采用粒子群优化（particleswarmoptimization，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（supportvectorregression，SVR）方法更高的预测精度。

关键词：负荷预测 大规模样本 核心向量回归 粒子群优化 

单位：华北电力大学控制与计算机工程学院 北京市昌平区102206 中国电力科学研究自动化研究所 北京市海淀区100192