买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网安徽省电力有限公司电力科学研究院;合肥工业大学申请的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获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115344566B 。

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211000449.9，技术领域涉及：G06F16/215；该发明授权基于小波分解和傅立叶变换的多能用量数据补全方法是由赵龙;秦琪;陈艺;汪玉;李宾宾;杨瑞雪;包佳佳;丁洁;王鑫;金雨楠;范明豪;马亚彬;翟玥;陈庆涛;黄杰;刘鑫;孙伟;李奇越;李帷韬;顾玲玲设计研发完成，并于2022-08-19向国家知识产权局提交的专利申请。

本基于小波分解和傅立叶变换的多能用量数据补全方法在说明书摘要公布了：本发明公开了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，其步骤包括：一、对采集的含碳特征能源消耗序列进行小波分解得到能耗周期特征序列和能耗趋势特征序列；二、基于曲线拟合得到预测能耗趋势特征序列；三、基于傅立叶级数拟合得到预测能耗周期特征序列；四、基于步骤二和步骤三通过小波重构实现对缺失数据的补全。本发明基于小波分解和傅立叶变换来构建数据补全模型，从而能实现对缺失的重点控排企业海量多能用量数据补全。

本发明授权基于小波分解和傅立叶变换的多能用量数据补全方法在权利要求书中公布了：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，np为第p层小波分解的采样时刻；s为小波空间横坐标，s≤2np； 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；Gs-2np为高通滤波器函数；Hs-2np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，ωk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Fm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

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网安徽省电力有限公司电力科学研究院;合肥工业大学，其通讯地址为：230601 安徽省合肥市经济技术开发区紫云路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。