(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111417482.7 (22)申请日 2021.11.26 (71)申请人 国网浙江省电力有限公司杭州供电 公司 地址 310000 浙江省杭州市上城区建国中 路219号 申请人 浙江大学 (72)发明人 樊立波　罗庆　陈奕　徐川子　 冯涛　张晓波　陈聪　覃洪培　 王文君　钱锦　汪奇东　应燕　 吴昌唯　 (74)专利代理 机构 杭州华鼎知识产权代理事务 所(普通合伙) 33217 代理人 刘竹青(51)Int.Cl. G06F 17/14(2006.01) G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) (54)发明名称 基于小波变换的综合能源系统热负荷混合 预测方法 (57)摘要 本申请实施例提出了基于小波变换的综合 能源系统热负荷混合预测方法， 包括基于离散小 波变换对热负荷历史数据进行分解； 识别其中的 关键特征向量和构建关键特征集； 选取径向基核 函数作为支持向量机回归模型的核函数， 通过交 叉验证评估不同参数配置下模型的性能， 分别训 练得到对应的预测模型； 对原始特征集合进行优 化和降维后得到训练特征集合， 输入 经过训练后 的预测模型， 得到对应的预测结果， 进行小波反 变换得到最终的热负荷预测结果。 针对原始数据 的各个分量， 进行关键特征识别与提取并构建差 异化特征集， 以缩减特征维度和提高预测精度； 能够构建关键特征元素与输出间的非线性映射 关系， 最终 实现对热负荷的精准预测。 权利要求书2页 说明书5页 附图2页 CN 114238848 A 2022.03.25 CN 114238848 A 1.基于小 波变换的综合能源系统热负荷混合预测方法， 其特 征在于， 所述方法包括： S1， 基于离散小波变换对热负荷历史数据进行分解， 将原始样本分解为一个平稳分量 和若干个非平稳分量； S2， 基于支持向量机和特征递归消除方法对分解后数据的维度进行缩减， 识别其中的 关键特征向量和构建 关键特征集； S3， 选取径向基核函数作为支持向量机回归模型的核函数， 通过交叉验证评估不同参 数配置下模型 的性能， 以优化模型中核函数参数和惩罚 函数， 以离散小波分解后的数据集 合作为训练集， 分别训练得到对应的预测模型； S4， 对原始特征集合进行优化和降维后得到训练特征集合， 输入经过训练后的预测模 型， 得到对应的预测结果， 进行小 波反变换 得到最终的热负荷预测结果。 2.根据权利要求1所述的基于小波变换的综合能源系统热负荷混合预测方法， 其特征 在于， 所述S1包括： 将原始的热负荷数据进行离 散小波变换， 将其分解 为低频部分和高频部分； 式中： Di表示第i(i∈Iset,i＝1,2,...n)个原始样本序列， 由一系列离散点组成； φα, β (k)代表分解阶次为α， 平移因子为β 的小波基 函数(或称小波 母函数)； 表示离散小波 变换的尺度变换函数； 分别表示原 始序列在分解阶次α 处的细节系数和近似系数； 通过上述分解过程， 将原 始样本分解 为一个平稳分量和若干个非平稳分量。 3.根据权利要求1所述的基于小波变换的综合能源系统热负荷混合预测方法， 其特征 在于， 所述S2包括： 考虑到现实数据集完整性、 模型实现难易度以及预测精度等因素， 基于支持向量机和 特征递归消除方法， 采用特 征排序法对上述特 征集合的维度进行缩 减； 式中： α 表示训练过程中优化的参数； 训练集xi∈X＝{x1,x2,...,xj,...xn}； 特征分类集 合fi∈F＝{f1,f2,...,fj,...fm}； λ,C∈R+为大于零的常数， 用于调整训练效果； θij为克罗内 克符号(当i＝j时其值为1， 否则为0)； w为权重系数矩阵， 每一 次训练完成后依据wij的大小 对特征集合元素进行排序； b为偏置 。权　利　要　求　书 1/2 页 2 CN 114238848 A 24.根据权利要求1所述的基于小波变换的综合能源系统热负荷混合预测方法， 其特征 在于， 所述S3包括： 构建基于支持向量机的预测模型； 选取径向基核函数作为支持向量机回归模型的核函数， 通过交叉验证评估不同参数配 置下模型 的性能， 以优化模型中核函数参数和 惩罚函数， 在预测模型 的置信范围与经验风 险之间寻 求平衡点； 式中： x为输入向量， 在多维空间下用 表示； wT代表多维空间下的正则向量集， b为偏 置(标量)； ε为最大容许误差， δi, δi'分别为ε 的上限和下限； C为罚参数， 用于控制模型训练 误差和函数复杂程度； 以离散小波分解后的数据集合 作为训练集， 分别训练得到对应的预测模 型。 5.根据权利要求1所述的基于小波变换的综合能源系统热负荷混合预测方法， 其特征 在于， 所述S4包括： 对原始特征集合Tr进行优化和降维后得到训练特征集合Tset＝{T1,T2,....}， 输入经过 训练后的预测模型， 得到对应的预测结果Fr＝{FL,FH1,...}； 通过对Fr进行小波反变换 得到最终的热负荷预测结果。权　利　要　求　书 2/2 页 3 CN 114238848 A 3