[发明专利]一种基于EEMD-Prophet算法的医院能耗预测方法

权利要求书

1.一种基于EEMD-Prophet算法的医院能耗预测方法，用于针对目标医院对应目标时间节点T的能耗进行预测，其特征在于，包括如下步骤：

步骤A.根据目标医院内各预设点位中各用能类型分别对应指定时间节点t所检测的能耗占比，按相同用能类型的分析，实现各个点位的区位划分，然后进入步骤B；

步骤B.分别针对目标医院内各区位中的各点位，针对点位中各用能类型对应于指定时间节点t所检测总能耗的历史能耗时间序列，执行数据清洗操作，获得该点位对应于指定时间节点t的待处理历史能耗时间序列，即获得各点位分别对应于指定时间节点t的待处理历史能耗时间序列，然后进入步骤C；

步骤C.获得目标医院所在地区对应于指定时间节点t所统计的历史气温时间序列y_temp(t)，以及获得目标医院内各区位中各点位分别对应于指定时间节点t所统计的历史业务量时间序列y_ep.j.service(t)，然后进入步骤D；

步骤D.分别针对历史气温时间序列y_temp(t)、历史业务量时间序列y_ep.j.service(t)，按如下公式：

y_temp(t)＝g_temp(t)+s_temp(t)+h_temp(t)+ε_temp(t)

y_ep.j.service(t)＝g_ep.j.service(t)+s_ep.j.service(t)+h_ep.j.service(t)+ε_ep.j.service(t)

执行Prophet分解，获得历史气温时间序列y_temp(t)所对应的趋势项g_temp(t)、周期项s_temp(t)、节假日因素项h_temp(t)、误差项或者剩余项ε_temp(t)，以及历史业务量时间序列y_ep.j.service(t)所对应的趋势项g_ep.j.service(t)、周期项s_ep.j.service(t)、节假日因素项h_ep.j.service(t)、误差项或者剩余项ε_ep.j.service(t)，然后进入步骤E；

步骤E.针对趋势项g_temp(t)、周期项s_temp(t)、趋势项g_ep.j.service(t)、周期项s_ep.j.service(t)，根据如下公式：

分解获得C_temp(t)、k_temp(t)、m_temp(t)、a_temp.n、b_temp.n、P_temp，以及目标医院内各区位中各点位分别对应的C_ep.j.service(t)、k_ep.j.service(t)、m_ep.j.service(t)、a_{ep.j.service.n}、b_{ep.j.service.n}、P_ep.j.service，然后进入步骤F；其中，1≤n≤N，N表示步骤D中执行Prophet分解所获得最大分解项；

步骤F.分别针对目标医院内各区位中的各点位，根据C_temp(t)、k_temp(t)、m_temp(t)、a_temp.n、b_temp.n、P_temp，目标医院内各区位中各点位分别对应于指定时间节点t的待处理历史能耗时间序列，以及各点位分别所对应的C_ep.j.service(t)、k_ep.j.service(t)、m_ep.j.service(t)、a_{ep.j.service.n}、b_{ep.j.service.n}、P_ep.j.service，获得目标医院内各区位中各点位分别所对应能耗预测模型，然后进入步骤G；

步骤G.根据目标医院内各区位中各点位分别所对应能耗预测模型，预测获得各点位分别对应目标时间节点T的能耗预测结果y'_ep.j(t)，然后按如下公式：

获得目标医院对应目标时间节点T的能耗预测结果E(t)，即实现目标医院对应目标时间节点T的能耗进行预测，其中，1≤ep≤EP，EP表示目标医院内各点位所划分区位的数量；1≤j≤J_ep，J_ep表示目标医院内所划分第ep个区位中点位的数量。