(19)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 202211164893.4 (22)申请日 2022.09.23 (71)申请人 合肥工业大 学 地址 230009 安徽省合肥市包河区屯溪路 193号 (72)发明人 季明皓　胡敏　王晓华　徐海军　 (74)专利代理 机构 安徽省合肥新 安专利代理有 限责任公司 34101 专利代理师 陆丽莉　何梅生 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) (54)发明名称 基于时序分解的多分辨率TCN网络的能源消 耗预测方法及应用 (57)摘要 本发明公开了一种基于时序分解的多分辨 率TCN网络的能源消耗预测方法及应用， 该方法 包括： 1使用滑动窗口对获取的能源消耗数据进 行划分和归一化； 2对能源消耗数据序列进行分 解， 得到能源消耗数据的趋势项、 季节项和残差 项； 3对趋势项、 季节项和残差项分解后分别输入 改进的TCN网络中并提取三个序列在不同时间尺 度的局部 特征并合并， 从而 得到三个序列的全局 特征并融合成多分辨率特征； 4并行训练传统的 自回归AR模块， 5将多分辨率模块的输出结果与 AR模块的输出结果融合， 得到最终的预测结果。 本发明能将不同的部分关系先分离出来， 再利用 多分辨率建模分析技术得到更健壮的模型， 从而 能显著提高能源消耗预测的准确率。 权利要求书2页 说明书6页 附图3页 CN 115481807 A 2022.12.16 CN 115481807 A 1.一种基于时序分解的多分辨率TCN网络的能源消耗预测方法， 其特征在于， 包括如下 步骤： 步骤1、 使用滑动窗口对获取的能源消耗数据进行划分， 再将划分好的能源消耗数据进 行归一化处理， 得到归一化后的能源消耗数据序列X＝{Xv|v＝1,2， …， N}； 其中， Xv表示第v 个归一化后的能源消耗数据， N表示能源消耗数据的数量； 步骤2、 使用时序分解算法对归一化后的能源消耗数据序列X进行分解， 得到能源消耗 数据的趋势项 TrendX、 季节项Seaso nalX和残差项ResidX； 步骤3、 使用所述多分辨率分析法分别将趋势项TrendX、 季节项SeasonalX和残差项 ResidX分解成不同时间尺度的趋势项序列、 季节项序列、 残差项序列， 然后分别输入改进的 TCN网络中并提取三个序列在不同时间尺度的局部特征， 再将三个各序列的时间尺度的局 部特征分别进行合并， 从而得到三个序列的全局特 征并融合成多分辨 率特征yNL； 步骤4、 使用AR算法对归一化的能源消耗数据序列X进行线性处理， 得到能源消耗数据 序列X的线性特 征yL； 步骤5、 将多分辨 率特征yNL与所述线性特 征yL进行融合后， 得到能源消耗的预测结果 2.如权利要求1所述的能源消耗预测方法， 其特征在于， 所述步骤3中改进的TCN网络是 按如下过程对趋势项 TrendX进行处理： 步骤3.1、 使用二叉树的形式对趋势项TrendX进行N次分解， 得到不同时间尺度的趋势项 序列{Tn|n＝1， 2， …， 2N‑1}， 其中， Tn表示分解后的趋势项所在的第n个节点， 2N‑1表示二叉 树中趋势项的节点数量； 步骤3.2、 将 二叉树的第n个节点Tn进行膨胀卷积操作， 得到第n个节点Tn在C个通道上的 特征值 表示第n个节点的第c个通道的特征值， C表示通道的个 数， 令Hn表示特征值Un的序列长度； 步骤3.3、 利用式(3.1)将第n个节点的第c个通道的特征值 进行通道压缩操作， 得到 第n个节点的第c个通道的全局信息值 从而得到压缩后通道特征值的全局信息值 式(3.1)中， Fsq表示压缩操作， 表示第n个节点的第c个通道的第i个序列； 步骤3.4、 利用式(3.2)将第n个节点的第c个通道的全局信息值 依次经过两个全连接 层和一个Sigmoid激活函数的激励操作后， 得到第n个节点的第c个通道的权重 从而得到 第n个节点的第c个通道的权 重 式(3.2)中， Fex表示激励操作， W表示两个全连接层的权重， W1表示其中一个全连接层的 的权重， W2表示另一个全连接层 的权重； ReLU表示非线性激活函数； δ表示Sigmoid激活函 数； 步骤3.5、 利用式(3.3)将第n个节点的第c个通道的特征值 进行重新标定， 得到第n个权　利　要　求　书 1/2 页 2 CN 115481807 A 2节点的第c个标定后的特 征值 从而得到 重新标定后的特 征值 式(3.3)中， Fscale表示重新标定操作； 步骤3.6、 依次经过权重归一化层、 ReLU激活函数和Dropout层， 得到特征值Fn； 所述 特征值Fn输入第一个残差块后， 利用式(3.4)将所述特征值Fn与能源消耗数据序列X进行残 差连接后， 得到残 差连接特征值 将前一个残 差块的输 出作为后一个残 差块的输入， 并经 过M个残差块处 理后， 利用式(3.5)得到第M个残差块的特 征值 式(3.4)‑式(3.5)中， F表示权重归一化层、 ReLU激活函数和Dropout层， 表示第n个 节点的m‑1个残差块的特 征值， SE表示压缩操作、 激励操作和重新标定操作的融合操作； 步骤3.7、 所述特征值Fn经过Sigmoid函数的处理后， 得到(0， 1)之间的映射值， 并作为能 源消耗数据时间维度的权重； 然后， 利用式(3.6)将权重与 相乘， 得到第n个节点的局部特 征 步骤3.8、 将2N‑1个节点的局部特征进行合并， 再通过一个全连接层的映射后得到趋势 项TrendX的全局特 征Trendy。 3.一种电子设备， 包括存储器以及处理器， 其特征在于， 所述存储器用于存储支持处理 器执行权利要求 1或2所述的能源消耗预测方法的程序， 所述处理器被配置为用于执行所述 存储器中存 储的程序。 4.一种计算机可读存储介质， 计算机可读存储介质上存储有计算机程序， 其特征在于， 所述计算机程序被处 理器运行时执 行权利要求1或2所述的能源消耗预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115481807 A 3