[发明专利]一种多类型能源需求预测方法

权利要求书

1.一种多类型能源需求预测方法，其特征在于，包括如下步骤：

步骤1：获取相关历史数据，将各影响因素组合构成能源需求预测的输入特征集，并与相应的实际能源需求数据整理为所需的多类型能源样本数据集，然后进行归一化；

步骤2：将所述多类型能源样本数据集输入到卷积神经网络中进行训练；

步骤3：构建模型以实现所述卷积神经网络的中间层特征的提取；

步骤4：将所述多类型能源样本数据集的输入特征集输送到所述模型中，从而提取得到新数据特征；

步骤5：将提取得到的所述新数据特征与所述多类型能源样本数据集中相应的实际能源需求数据整理为新多能源样本数据集；

步骤6：将所述新多能源样本数据集传送给深度置信网络，并利用深度置信网络进行无监督和有监督的混合训练，从而得到最终的多类型能源需求的预测值。

2.根据权利要求1所述的多类型能源需求预测方法，其特征在于：所述步骤1中的所述相关历史数据包含历史多类型能源需求数据、气象数据和日期时间数据。

3.根据权利要求1所述的多类型能源需求预测方法，其特征在于：所述步骤2中，在训练过程中，所述多类型能源样本数据集据经过多个相互叠加的卷积层和池化层，以及若干个全连接层后，得到数据特征。

4.根据权利要求1所述的多类型能源需求预测方法，其特征在于：所述步骤3中，为获取所述卷积神经网络的中间层特征，构建的所述模型，设置所述模型的输入为所需提取特征的原始数据集，输出为所述卷积神经网络的中间层特征数据。