一种人工智能在季节性负荷预测中的应用方法

摘要

本发明公开了一种人工智能在季节性负荷预测中的应用方法，首先基于剔除趋势负荷的方法类获得气象负荷数据，采用最小二乘拟合来获得线性的趋势负荷函数，将原始负荷序列减去趋势负荷作为气象负荷数据；然后，应用FCM聚类算法对样本数据进行聚类分析，共得到三种不同类型的训练样本；接着，建立温度修正模型，考虑到夏季高温天气的气温累积效应，有必要对高温天气的最高温度进行温度修正；最后，建立PSO‑ELM负荷预测模型，将粒子群优化算法(PSO)与极限学习机(ELM)相结合，有效的提高了负荷预测的精度，具有重要的实际应用价值。