基于FFT，DC-HC及LSTM的短期负荷预测方法

针对电力负荷序列非线性、随机性等特点引起的电力负荷预测精度低问题，提出一种基于快速傅里叶变换（FFT）、密度层次聚类算法（DC-HC）与长短时记忆（LSTM）神经网络相结合的短期负荷预测方法。首先，采用FFT计算出所有原始电力负荷序列对应的期望频率，并以之作为负荷聚类的特征量。然后采用DC-HC算法对负荷进行聚类，将原始数据分拆成具有特征属性的数据分量组；运用LSTM模型对各分量组进行负荷预测，再将各分量组预测结果进行叠加，得到最终负荷预测值；最后，采用爱尔兰实际电力负荷数据进行算例分析，结果表明所提方法能够有效提高负荷预测精度。