The invention provides a real-time electricity price forecasting system based on multi-density clustering and multi-core SVM. The system has the characteristics that the database management module is connected with data acquisition module, power generation energy consumption statistics module, real-time electricity price forecasting module and data visualization module respectively. It is mainly used to analyze the time and space distribution characteristics of real-time electricity price, power load, main energy generation capacity and power generation cost, summarize the rules and forecast the real-time electricity price in the selected area. The non-linearity, sparsity and fluctuation characteristics of real-time electricity price are comprehensively considered, and the power load, main energy generation capacity and its power generation cost which affect the real-time electricity price are taken into account. The factor improves the accuracy and adaptability of the system, avoids the over-fitting of the prediction model, improves the distributed processing ability, and reduces the computational complexity and time complexity. It also provides a scientific, reasonable and applicable real-time electricity price forecasting method based on multi-density clustering and multi-core SVM.
【技术实现步骤摘要】
基于多密度聚类与多核SVM的实时电价预测系统及其方法
本专利技术属于电力电价预测
,是一种基于多密度聚类与多核SVM的实时电价预测系统及其方法。
技术介绍
实时电价是指,在考虑电力系统运行与基本投资的情况下,在限定的极短时段内,向用户提供电能的边际成本,它直接反应了市场价格与日前或实时市场购电成本的关系,是最理想的电价机制之一。实时电价的准确预测,一方面可以为购电用户提供可靠的价值依据,从而制定科学的用电策略;另一方面,可以为电力市场监管部门提供重要的参考,进而制定合理的市场规则,促使电力市场健康、稳定、有序的发展。但是,由于实时电价易受多种因素的影响,使得实时电价呈现出很强的波动性与稀疏性,导致难以对其有效预测。因此,实时电价的预测问题已成为当前电力系统市场化运营领域的重要课题之一。目前,实时电价预测方法主要两类,一类是基于时间序列的预测方法,包括自回归条件异方差模型与自回归移动平均模型等,主要用于表示实时电价与时间的线性关系,确定样本数据与待预测电价之间存在的相似性关联。另一类是基于机器学习的智能预测方法,包括支持向量机(SVM)和人工神经网络等预测方法,其中,支持向量机具有较好的非线性映射能力,提高了系统的泛化性能;而人工神经网络具有良好的并行分布处理能力,而且,对电价噪声具有较高的容错性能。上述基于实时电价的预测方法的局限性在于:随着新能源、新设备并入各级电网,电价时间序列呈现出更为复杂的非线性特征,从而导致时间序列预测方法难以选取合适的输入变量个数;而采用人工神经网络的实时电价预测方法,易使预测模型产生过度拟合的现象,影响模型的预测性能;基 ...
【技术保护点】
1.一种基于多密度聚类与多核SVM的实时电价预测系统,其特征是,它包括:用于采集电力市场实时电价及相应用电负荷数据;煤炭、石油、太阳能、氢气、核能、风能的发电量及相应的能源价格数据的数据采集模块;用于对数据进行分类管理,进而构建系统数据库的数据库管理模块;用于实时统计并计算煤炭、石油、太阳能、氢气、核能、风能的发电量、发电成本以及发电能耗比例的发电能耗统计模块;采用多密度聚类与时间序列模式识别方法预测分析实时电价及相应用电负荷,和采用最优多核SVM组合预测煤炭、石油、太阳能、氢气、核能、风能的发电消耗量,并利用熵权法计算各影响因素权重的,用于预测实时电价的实时电价预测模块;用于评估系统预测值的精确程度,计算预测误差并调整预测模型参数,从而证明实时电价预测的准确性与合理性的实时电价预测评估模块;用于展示实时电价预测值、实时电价预测评估量表、煤炭、石油、太阳能、氢气、核能、风能的发电量和发电成本及发电能耗占比的数据可视化模块;所述的数据库管理模块分别与数据采集模块、发电能耗统计模块、实时电价预测模块、数据可视化模块信号连接。
【技术特征摘要】
1.一种基于多密度聚类与多核SVM的实时电价预测系统,其特征是,它包括:用于采集电力市场实时电价及相应用电负荷数据;煤炭、石油、太阳能、氢气、核能、风能的发电量及相应的能源价格数据的数据采集模块;用于对数据进行分类管理,进而构建系统数据库的数据库管理模块;用于实时统计并计算煤炭、石油、太阳能、氢气、核能、风能的发电量、发电成本以及发电能耗比例的发电能耗统计模块;采用多密度聚类与时间序列模式识别方法预测分析实时电价及相应用电负荷,和采用最优多核SVM组合预测煤炭、石油、太阳能、氢气、核能、风能的发电消耗量,并利用熵权法计算各影响因素权重的,用于预测实时电价的实时电价预测模块;用于评估系统预测值的精确程度,计算预测误差并调整预测模型参数,从而证明实时电价预测的准确性与合理性的实时电价预测评估模块;用于展示实时电价预测值、实时电价预测评估量表、煤炭、石油、太阳能、氢气、核能、风能的发电量和发电成本及发电能耗占比的数据可视化模块;所述的数据库管理模块分别与数据采集模块、发电能耗统计模块、实时电价预测模块、数据可视化模块信号连接。2.根据权利要求1所述的基于多密度聚类与多核SVM的实时电价预测系统,其特征是,所述的数据采集模块的功能是,分别对所选区域电力市场的实时电价、用电负荷、煤炭发电量、煤炭发电成本、石油发电量、石油发电成本、氢气发电量、氢气发电成本、核能发电量、核能发电成本、风能发电量、风能发电成本、太阳能发电量、太阳能发电成本数据进行在线采集。3.根据权利要求1所述的基于多密度聚类与多核SVM的实时电价预测系统,其特征是,所述的数据库管理模块的功能是,将数据采集模块所采集数据进行分类、储存、管理以及传输,其中,煤炭、石油、太阳能、氢气、核能、风能的发电量和发电成本作为发电能耗统计模块的输入量进行统计,并将统计得到的各类能源发电能耗比例存储到数据库管理模块中;实时电价与用电负荷作为实时电价预测模块的输入量进行计算,并将实时电价预测值储存到数据库管理模块中。4.根据权利要求1所述的基于多密度聚类与多核SVM的实时电价预测系统,其特征是,所述的发电能耗统计模块的功能是,实时统计采集到的煤炭、石油、氢气、核能、太阳能、风能六种发电能源发电量以及发电成本,计算各类能源的发电能耗比例,并将各类能源的发电能耗比例作为实时电价预测模块的输入量。5.根据权利要求1所述的基于多密度聚类与多核SVM的实时电价预测系统,其特征是,所述的实时电价预测模块的功能是,实时预测所选区域电力市场的实时电价,首先,应用多密度聚类算法对实时电价与相应用电负荷数据进行聚类分析,并采用时间序列模式识别的方式搜索相似日初步预测实时电价与相应用电负荷;其次,选择多核SVM预测各类能源的消耗占比,并根据预测结果选择最优的多核函数组合;最终,利用熵权法计算各影响因素的权重,并通过影响因素加权计算的方式预测实时电价。6.根据权利要求1所述的基于多密度聚类与多核SVM的实时电价预测系统,其特征是,所述的实时电价预测评估模块的功能是,评估系统预测值的精确程度,通过计算电价真实值与系统预测值之间的绝对百分比误差,并调整相应的预测模型参数,从而证明实时电价预测的准确性与合理性。7.根据权利要求1所述的基于多密度聚类与多核SVM的实时电价预测系统,其特征是,所述的数据可视化模块的功能是,根据系统数据的可视化处理,展示相应的实时电价预测值、电价预测评估量表、各类能源发电能耗比、主要发电能源发电量及发电成本,主要发电能源发电量及发电成...
【专利技术属性】
技术研发人员:周铁华,王玲,孙聪慧,呼功亮,
申请(专利权)人:东北电力大学,
类型:发明
国别省市:吉林,22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。