基于改进混沌理论和ACPSO-LSSVR的短期负荷预测

针对现有混沌理论中嵌入维数和延迟时间的选取难以达到最优,局域预测时邻近预测点的选取不够准确,提出了改进的混沌理论:采用改进的C-C法找到嵌入维数和延迟时间;邻近预测点的选取根据参考相点的演化趋势进行判断。针对最小二乘支持向量回归机LSSVR参数难以确定,提出ACPSOLSSVR:自适应混沌粒子群ACPSO一方面能根据群体早熟收敛程度和个体自适应值来调整惯性权重,另一方面能根据混沌变量的随机性和遍历性进行粒子的初始化,加快优化过程,防止局部极小。采用ACPSO来优化LSSVR的待选参数,提高负荷预测的精度。实例分析验证了该方法的可行性和实用性。