1.一种基于优化最小二乘支持向量机的电力负荷预测方法，其特征在于，包括以下步骤：

步骤1，输入电力负荷数据集，然后对电力负荷数据集进行预处理，并将电力负荷数据集划分为电力负荷训练数据集和电力负荷测试数据集两部分；

步骤2，确定最小二乘支持向量机所需优化设计的训练参数，并确定最小二乘支持向量机所需优化设计的训练参数的个数TD；

步骤3，设置精英中心人工蜂群算法的蜜源个数NP，限制次数Limit，以及终止迭代次数MaxT；

步骤4，设置当前迭代次数t＝0；

步骤5，在最小二乘支持向量机训练参数的搜索空间中随机生成NP个蜜源组成演化蜜源集合ESet＝{X1,X2,...,Xi,...,XNP}，其中Xi表示演化蜜源集合中的第i个蜜源，且蜜源Xi存储了最小二乘支持向量机所需优化设计的TD个训练参数；蜜源下标i＝1,2,...,NP；

步骤6，利用电力负荷训练数据集和电力负荷测试数据集计算演化蜜源集合中各个蜜源的适应值，具体过程为：从蜜源Xi中提取出最小二乘支持向量机所需优化设计的TD个训练参数保存到向量TRPi，再以向量TRPi作为最小二乘支持向量机的训练参数在电力负荷训练数据集上训练出电力负荷预测模型EMPi，然后计算电力负荷预测模型EMPi在电力负荷测试数据集上的均方误差MSEi，并设置蜜源Xi的适应值为MSEi；

步骤7，从演化蜜源集合中选择出适应值最小的蜜源保存为最优蜜源BestX；然后计算优质蜜源的数量eliteN＝ceil(NP×0.1)，其中ceil为向上取整函数；

步骤8，将演化蜜源集合中的蜜源按照适应值从小到大进行排序，然后取出适应值排在前面的eliteN个的蜜源组成优质蜜源集合eliteX；

步骤9，按公式(1)计算优质蜜源集合中每个优质蜜源的分配权重Wk：

其中，exp表示以自然常数e为底的指数函数；log表示以自然常数e为底的对数函数；

BestFit为最优蜜源的适应值；eliteXFitsk为优质蜜源集合中的第k个优质蜜源的适应值；

优质蜜源下标k＝1,2,...,eliteN；

步骤10，按公式(2)计算精英中心蜜源WP：

其中，eliteXk表示优质蜜源集合中的第k个优质蜜源；精英中心蜜源WP存储了最小二乘支持向量机所需优化设计的TD个训练参数；

步骤11，计算精英中心蜜源的适应值；如果精英中心蜜源的适应值比最优蜜源的适应值更小，则利用精英中心蜜源替换最优蜜源，否则保持最优蜜源不变；

步骤12，按公式(3)执行雇佣蜂搜索操作得到新蜜源Vi：

其中，维度下标j＝1,2,...,TD；jrand是在[1,D]范围内随机选择的一个正整数；r1和r2是在[1,NP]范围内随机产生的两个正整数，且要求满足r1，r2和i相互不相等；Φ1和Φ2是在[-1,1]范围内随机生成的两个实数；WPj表示精英中心蜜源存储的最小二乘支持向量机所需优化设计的第j个训练参数，BestXj表示最优蜜源存储的最小二乘支持向量机所需优化设计的第j个训练参数；Xi,j表示演化蜜源集合中的第i个蜜源存储的最小二乘支持向量机所需优化设计的第j个训练参数；Xr1,j表示演化蜜源集合中的第r1个蜜源存储的最小二乘支持向量机所需优化设计的第j个训练参数；Xr2,j表示演化蜜源集合中的第r2个蜜源存储的最小二乘支持向量机所需优化设计的第j个训练参数；Vi,j表示新蜜源Vi存储的最小二乘支持向量机所需优化设计的第j个训练参数；

步骤13，如果新蜜源Vi的适应值比演化蜜源集合中的蜜源Xi的适应值更小，则用新蜜源Vi代替蜜源Xi，否则令蜜源Xi的停滞次数加1；

步骤14，计算演化蜜源集合中各个蜜源的选择概率SPi，然后跟随蜂根据演化蜜源集合中各个蜜源的选择概率利用轮盘赌方法选择蜜源，将被选择出来的蜜源记为Xpi，然后按公式(4)对蜜源Xpi进行邻域搜索，从而得到新蜜源Upi：其中，jkd是在[1,D]范围内随机选择的一个正整数；r3是从集合{1,2,...,NP}中随机选择的一个正整数；Φ3是在[-1,1]范围内随机生成的一个实数；Xpi,j表示蜜源Xpi存储的最小二乘支持向量机所需优化设计的第j个训练参数；Xr3,j表示演化蜜源集合中的第r3个蜜源存储的最小二乘支持向量机所需优化设计的第j个训练参数；Upi,j表示新蜜源Upi存储的最小二乘支持向量机所需优化设计的第j个训练参数；

步骤15，如果新蜜源Upi的适应值比演化蜜源集合中的蜜源Xpi的适应值更小，则用新蜜源Upi代替蜜源Xpi，否则令蜜源Xpi的停滞次数加1；

步骤16，从演化蜜源集合中挑选出停滞次数最大的蜜源记为XmaxTrial，如果蜜源XmaxTrial的停滞次数小于限制次数Limit，则保持蜜源XmaxTrial不变，否则执行侦察蜂操作随机生成一个新蜜源RX，并利用随机生成的新蜜源RX替换蜜源XmaxTrial；

步骤17，在演化蜜源集合中挑选出适应值最小的蜜源记为暂存蜜源tempBestX，将暂存蜜源tempBestX的适应值与最优蜜源的适应值BestFit进行比较；如果暂存蜜源tempBestX的适应值比BestFit更大，则保持最优蜜源BestX不变，否则用暂存蜜源tempBestX替换最优蜜源BestX，并令BestFit等于暂存蜜源tempBestX的适应值；

步骤18，设置当前迭代次数t＝t+1；

步骤19，如果当前迭代次数t小于终止迭代次数MaxT，则转到步骤8，否则转到步骤20；

步骤20，利用最优蜜源BestX存储的最小二乘支持向量机的训练参数来训练最小二乘支持向量机，并利用训练得到的最小二乘支持向量机实现电力负荷的预测。