一种基于多时间尺度分解与融合的冷热负荷预测方法

本发明公开了一种基于多时间尺度分解与融合的冷热负荷预测方法，包括将历史冷热负荷时间序列数据输入到多层级预测框架中，得到多个子序列，通过自适应混合分解算法得到子序列的统计指标数据，根据该统计指标数据，从预设的异构模型库中为子序列选取匹配的专家预测模型，并获取相应的外部特征；建立多层级预测框架的训练约束条件；以最小化最终重构预测误差为目标函数，通过深度学习反向传播算法对多层级预测框架进行训练，将专家预测模型对相应子序列的独立预测结果及外部特征共同输入到训练后的框架中，得到最终的重构预测负荷值。本发明提高了对运行工况异常的识别能力，区域能源供给的经济性和稳定性得到更好地保证。