[发明专利]基于小波分解和傅立叶变换的多能用量数据补全方法

权利要求书

1.一种基于小波分解和傅立叶变换的多能用量数据补全方法，其特征在于，包括以下步骤：

步骤一、按照采样周期对重点控排企业的各类含碳能源用量数据进行采集，得到特征含碳能源消耗数据集表示第m个采样时刻采集的第j类含碳特征能源消耗数据；1≤m≤i，所述第m个采样时刻的含碳特征能源消耗数据的特征包括周期性特征、趋势性特征；i表示总的采样时刻；

假设第m个采样时刻采集的第j类含碳能源消耗数据为缺失数据，则选取缺失数据之前的n个采样时刻的含碳能源消耗数据构成含碳能耗序列且n为能被8整除的偶数，1≤nm；其中，表示第m-n+1个采样时刻采集的第j类含碳能源消耗数据；

通过式(1-1)-式(1-2)对n个采样时刻的含碳能耗序列进行3层小波分解，得到所述能耗序列p层小波分解的能耗周期特征序列和p层小波分解的能耗趋势特征序列

式(1-1)-式(1-3)中，n_p为第p层小波分解的采样时刻；s为小波空间横坐标，s≤2n_p；

为第p层小波分解的序列；Z是全体整数数集，s∈Z；为第p层小波分解得到的第j类能耗周期特征；为第p层小波分解得到的第j类能耗趋势特征；G(s-2n_p)为高通滤波器函数；H(s-2n_p)为低通滤波器函数；

步骤二、利用式(2-1)得到能耗趋势特征序列的拟合预测函数并利用式(2-2)来确定所述能耗趋势特征预测函数的四个曲线拟合系数ω₀、ω₁、ω₂、ω₃；

式(2-1)-式(2-2)中，ε为常数；

步骤三、利用式(3-1)得到能耗周期特征序列的第k个主要频率从而利用式(3-2)得到能耗周期特征序列的能耗周期特征预测函数

式(3-1)-式(3-2)中，ω_k是第k个主要频率的傅立叶级数的角频率；

步骤四、利用步骤4.1-步骤4.5实现对缺失数据F_m进行补全；

步骤4.1、基于能耗周期特征预测函数得到(n₁+1)、(n₁+2)、(n₁+3)和(n₁+4)个时刻的预测值分别为和从而得到(n₂+4)个采样时刻的能耗周期特征预测序列

步骤4.2、通过式(4-1)得到三层小波重构后的含碳能源消耗预测序列

式(4-1)中，为通过两层小波重构后的得到的能耗趋势特征预测序列；分别是第m个采样时刻到第m+7个采样时刻的第j类含碳能源消耗数据的预测值；

步骤4.3、仅保留作为第m个采样时刻的含碳能源消耗数据的预测值，以实现对第m个采样时刻采集的第j类含碳能源消耗缺失数据的补全，从而得到完整的i个采样时刻采集的第j类含碳能源消耗特征数据集

2.一种电子设备，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所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

3.一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所述方法的步骤。