一种基于Stacking集成模型及动态更新机制的热负荷预测方法

本发明涉及热负荷预测技术领域，具体公开了一种基于Stacking集成模型及动态更新机制的热负荷预测方法，Level0基学习器层包括树模型、线性模型以及非线性模型；利用Level0基学习器层对原始特征数据进行训练，得到各基学习器的预测结果，并将预测结果拼接成新的特征矩阵；利用Level1元学习器层对新的特征矩阵进行训练，得到最终的热负荷预测模型；采用滚动窗口式数据更新机制，根据新获取的数据对热负荷预测模型进行动态更新。本发明的线性模型缓解树模型的过拟合风险，树模型弥补线性模型的表达能力不足。TimeNet和Autoformer对异常值和小样本区域的鲁棒性，提升集成模型的泛化能力。本发明能实时适应热负荷规律变化，尤其适合季节性和趋势性变化场景，减少滞后性。