一种电煤价格预测方法技术

本发明专利技术公开了一种电煤价格预测方法，所述预测方法包括以下步骤：步骤1：输入电煤价格预测的选取指标并对各输入指标进行数据预处理；步骤2：利用狼群算法对最小二乘支持向量机模型的参数进行优化；步骤3：构建基于狼群算法和最小二乘支持向量机模型的电煤价格预测模型。本发明专利技术选用狼群算法对最小二乘支持向量机的参数进行寻优。

【技术实现步骤摘要】
一种电煤价格预测方法
本专利技术涉及电煤价格预测
，特别是涉及电煤价格预测方法。
技术介绍
电煤采购成本占到火电成本的70％以上，电煤市场价格也一直是影响电煤供应链稳定运行的重要因素。在电煤双轨制阶段，煤电价格之争始终是电煤供应链的矛盾焦点。由于电煤市场价格波动幅度较大，重点合同煤价与电煤市场价格有时可以相差达到200多元，这也导致了煤炭质量下降、合同兑现率不高等问题的出现，严重影响电煤供应链安全高效运行。为缓解电煤市场价格波动产生的问题，国家发改委于2012年底发文，正式于2013年起取消电煤重点合同，实施电煤并轨制。但是随着煤炭价格市场化的全面实现，电煤采购和电煤定价将更多的遵循市场规律，对供应链整体的影响也将更具不确定性。因此，需要采用较为准确的预测方法对电煤价格进行预测，从而为电煤行业各相关企业的决策提供依据。目前国内外学者对于电煤价格预测模型和算法的研究较少，尚未形成科学实用、全面有效的电煤市场价格智能预测模型。最小二乘支持向量机(LSSVM)的方法利用最小二乘线性系统作为损失函数，避免了二次规划的过程，同时，利用核函数将预测问题转化为方程组的求解，将不等式约束转化为等式约束，增加了预测的准确度和速度，但是最小二乘支持向量机模型仍然存在惩罚系数和核参数选择盲目的问题，因此需要选用合适的智能算法对其进行优化。因此希望有一种电煤价格预测方法以解决现有技术中的问题。
技术实现思路
本专利技术的目的在于提供一种电煤价格预测方法以提升电煤价格预测的准确性和稳定性。狼群算法(WPA)源于对狼群狩猎行为研究。在整个狼群在进行狩猎过程中，狼群根据各自作用不同有着不同的分工，即将狼群中狼分为头狼、探狼、猛狼三种狼。三种狼分工合作，完成狩猎过程。游走行为、召唤行为、围攻行为是狼群算法根据狼群狩猎过程中，狼群所表现出来的行为特性而仿生出的三种主要行为。同时，在狼群算法中头狼的产生和狼群更替，分别遵循狼群中普遍存在的“胜者为王”和“适者生存”的狼群法则。该算法主要通过以上仿生行为不断迭代寻求最优解。本专利技术公开了一种电煤价格预测方法，所述预测方法包括以下步骤：步骤1：输入电煤价格预测的选取指标并对各输入指标进行数据预处理；步骤2：利用狼群算法对最小二乘支持向量机模型的参数进行优化；步骤3：构建基于狼群算法和最小二乘支持向量机模型的电煤价格预测模型。优选地,国内原煤产量、煤炭净进口量、全社会动力煤库存量、国内生产总值、国内生产总值增长率、第二产业增加值占国内生产总值比重、煤炭占全国能源消费总量比重、煤炭消费量、火力发电量、钢铁产量、印尼煤炭基准价、煤炭运输成本、煤炭生产成本、国际原油价格和动力煤期货价格。优选地,对所述步骤1中各选取指标进行公式(1)的归一化处理：其中，xi是实际值，xmin和xmax分别是样本数据的最小值和最大值，yi为归一化后的数值。优选地,所述步骤2利用狼群算法对最小二乘支持向量机模型的参数进行优化的具体步骤包括：步骤2.1：狼群的初始化；设在有D维空间，其中有人工狼N匹，其中，第i匹狼所在位置为公式(2)：Xi＝(xi1,xi2,...,xid),1≤i≤N,1≤d≤D(2)初始位置通过公式(3)产生：xid＝xmin+rand×(xmax-xmin)(3)其中，rand是在[0,1]均匀分布的随机数，xmax和xmin是搜索空间的上下限；步骤2.2：产生头狼；选择目标函数值最优位置Ylead处的狼为头狼，头狼位置不更新迭代，且不参加狩猎行为，而是直接迭代，若探狼i位置Ylead＜Yi，则此探狼i成为头狼Ylead＝Yi；如果探狼i向h个方向游走直至达到最大值H或位置无法进一步优化，则停止搜索，第i匹狼在搜索的h个位置中第j个点第d维的位置yijd为公式(4):yijd＝yid+rand×stepa(4)其中，stepa为狼在搜索时步幅长度，rand是在[0,1]均匀分布的随机数；步骤2.3：靠近猎物；头狼通过召唤行为促使群狼更新位置，第i匹狼第d维更新后的位置如下靠近猎物，在召唤行为的驱动下，狼群根据头狼的召唤不断获得新的位置，第i匹狼第d维更新后的位置为公式(5)：zid＝xid+rand×stepb×(xid-xlid)(5)其中，rand是在[0,1]均匀分布的随机数，stepb为狼在想目标移动时候步幅长度，xid是第i只狼第d维的当前位置，xlid是头狼第d维的位置；步骤2.4：包围猎物；在发现猎物之后，头狼会对周围狼群发出信号，完成对目标猎物的围剿，围剿公式和围剿步长更新公式分别为公式(6)和(7)：其中，t为迭代次数，ra为围剿时候狼的步幅长度，Xi为发出围剿信号的领导者的位置，为第t代第i只狼的位置，rm表示信号距离，ramin、ramax分别为围剿时候狼的步幅长度的最小值和最大值，maxt为狼的步幅长度最高一代；步骤2.5：狼群竞争更新机制；在进行围剿狩猎的过程中，没能得到食物的狼会被淘汰掉，而率先得到食物的狼则保留下来，狼群中没能得到“食物”的弱狼将会被淘汰，随机生成与淘汰数量相当的新狼加入狼群；步骤2.6：当迭代次数t的数值小于200时，迭代次数t+1并返回步骤2.1，否则执行步骤2.7；步骤2.7：所述步骤2利用狼群算法对最小二乘支持向量机模型的参数进行优化，获得最小二乘支持向量机模型的最优参数核函数参数σ2和惩罚参数γ：设给定样本集N为样本总数，则样本的回归模型为公式(8)：其中，是训练样本投射到一个高维空间，w是加权向量，b是偏置；对于最小二乘支持向量机,其优化问题转化为以下公式(9)和(10)进行求解:其中，γ为惩罚系数，用于平衡模型的复杂程度和精确，ξi为估算误差，为解决上述方程，建立公式(11)拉格朗日函数进行求解：其中αi为拉格朗日乘子，对函数的各个变量进行求导，并令其为零得公式(12)：消去w和ξi转化为以下公式(13)：式中：en＝[1,1,...,1]T,α＝[α1,α2,...,αn],y＝[y1,y2,...,yn]T求解上述线性方程组，得到公式(14)：式中，K(xi,x)为满足莫斯条件的核函数，以径向基核函数作为最小二乘支持向量机的核函数，表达式如公式(15)：K(xi,x)＝exp{-||x-xi||2/2σ2}(15)σ2表示核宽度，反映了训练数据集的特性。优选地，所述步骤3构建基于狼群算法和最小二乘支持向量机模型的电煤价格预测模型,输入指标特征数据得到预测结果。本专利技术公开了一种电煤价格预测方法，本专利技术具有以下有益效果：1.通过狼群算法对最小二乘支持向量机模型参数进行优化，取得的预测结果相比于基本最小二乘支持向量机模型和支持向量机模型，其预测精度更高，鲁棒性更强；2.本专利技术所提模型可以对不同地区、不同类型电煤的价格进行预测，并可以取得较为理想的预测效果，本专利技术所构建的模型适应性和稳定性较强。附图说明图1是本专利技术基于狼群算法和最小二乘支持向量机模型的电煤价格预测模型示意图。具体实施方式为使本专利技术实施的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本专利技术一部分实施例，而不是全部的实本文档来自技高网...

【技术保护点】
1.一种电煤价格预测方法，其特征在于，所述预测方法包括以下步骤：步骤1：输入电煤价格预测的选取指标并对各输入指标进行数据预处理；步骤2：利用狼群算法对最小二乘支持向量机模型的参数进行优化；步骤3：构建基于狼群算法和最小二乘支持向量机模型的电煤价格预测模型。

【技术特征摘要】
1.一种电煤价格预测方法，其特征在于，所述预测方法包括以下步骤：步骤1：输入电煤价格预测的选取指标并对各输入指标进行数据预处理；步骤2：利用狼群算法对最小二乘支持向量机模型的参数进行优化；步骤3：构建基于狼群算法和最小二乘支持向量机模型的电煤价格预测模型。2.根据权利要求1所述的电煤价格预测方法，其特征在于：所述步骤1中的选取指标包括：国内原煤产量、煤炭净进口量、全社会动力煤库存量、国内生产总值、国内生产总值增长率、第二产业增加值占国内生产总值比重、煤炭占全国能源消费总量比重、煤炭消费量、火力发电量、钢铁产量、印尼煤炭基准价、煤炭运输成本、煤炭生产成本、国际原油价格和动力煤期货价格。3.根据权利要求2所述的电煤价格预测方法，其特征在于：对所述步骤1中各选取指标进行公式(1)的归一化处理：其中，xi是实际值，xmin和xmax分别是样本数据的最小值和最大值，yi为归一化后的数值。4.根据权利要求3所述的电煤价格预测方法，其特征在于：所述步骤2利用狼群算法对最小二乘支持向量机模型的参数进行优化的具体步骤包括：步骤2.1：狼群的初始化；设在有D维空间，其中有人工狼N匹，其中，第i匹狼所在位置为公式(2)：Xi＝(xi1,xi2,...,xid),1≤i≤N,1≤d≤D(2)初始位置通过公式(3)产生：xid＝xmin+rand×(xmax-xmin)(3)其中，rand是在[0,1]均匀分布的随机数，xmax和xmin是搜索空间的上下限；步骤2.2：产生头狼；选择目标函数值最优位置Ylead处的狼为头狼，头狼位置不更新迭代，且不参加狩猎行为，而是直接迭代，若探狼i位置Ylead＜Yi，则此探狼i成为头狼Ylead＝Yi；如果探狼i向h个方向游走直至达到最大值H或位置无法进一步优化，则停止搜索，第i匹狼在搜索的h个位置中第j个点第d维的位置yijd为公式(4):yijd＝yid+rand×stepa(4)其中，stepa为狼在搜索时步幅长度，rand是在[0,1]均匀分布的随机数；步骤2.3：靠近猎物；头狼通过召唤行为促使群狼更新位置，第i匹狼第d维更新后的位置如下靠近猎物，在召唤行为的驱动下，狼群根据头狼的召唤不断获得新的位置，第i匹狼第d维更新后的位置为公式(5)：zid＝xid+r...

【专利技术属性】
技术研发人员：牛东晓，王海潮，浦迪，李偲，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京,11