基于分解傅里叶ARIMA的短期负荷预测方法

本发明公开了一种基于分解傅里叶ARIMA的短期负荷预测方法，属于电力负荷预测技术领域；该方法首先通过快速傅里叶变换将原始负荷数据分解为周期性分量、趋势分量和残差分量，分别建模后叠加预测结果；具体包括：利用FFT识别显著频率并重建周期性分量，采用多项式回归拟合趋势分量，对残差分量进行差分平稳化后使用ARIMA建模；本发明通过频域‑时域融合策略，有效解决了传统方法对复杂季节性模式捕捉不足、计算效率低及可解释性差的问题；实验表明，与SARIMA和Holt‑Winters相比，FARIMA的预测精度显著提升，且运行时间大幅缩短，适用于电力系统的短期负荷预测需求。