基于时序分解与集成学习的HVAC负荷模式预测方法

本发明涉及HVAC负荷模式预测技术领域，公开了基于时序分解与集成学习的HVAC负荷模式预测方法。基于时间序列分解提取趋势成分和季节性成分，增强了对负荷长期变化规律及周期性特征的深度挖掘，弥补了传统方法未充分捕捉时序特性的缺陷，为聚类分析提供了更具区分度的增强数据集；进一步通过聚类分析生成分类标签时，特别引入最优聚类数的动态确定策略，显著提升了负荷模式分类的客观性与准确性；结合多维度特征提取筛选与分类标签强相关的特征集，避免了冗余特征对模型的干扰；最后，采用多分类器集成学习模型结合投票机制进行预测，通过不同模型的优势互补与结果融合，增强了预测结果的稳定性与泛化能力。