公开(公告)号：CN109934418A

公开(公告)日：2019-06-25

申请号：CN201910243384.2

申请日：2019-03-28

Applicant: 安徽大学

Inventor： 张倩 ,  丁津津 ,  马金辉 ,  马愿 ,  谢毓广 ,  李顺 ,  李智 ,  赵晓春 ,  叶海峰 ,  黄少雄 ,  王璨

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06

Abstract: 本发明针对现有的短期负荷预测方法都存在预测方法较为单一，预测精度不高的问题，提供一种基于频域分解及人工智能算法的短期负荷预测方法。该方法，包括：用频域分解算法对原始负荷数据的负荷时间序列进行分解，获得日周期分量、周周期分量、低频分量和高频分量；采用神经网络算法对日周期和周周期进行预测；采用随机森林算法对低频分量进行预测；对高频分量进行二次分解，对分解后的低频部分采用神经网络算法进行预测。本发明所提的基于频域分解的短期负荷预测模型，预测结果与Elman神经网络、随机森林预测结果相比具有更高的预测精度。