基于动态网络分位数模型的日前电价概率预测方法技术

本发明专利技术的基于动态网络分位数模型的日前电价概率预测方法，其特征点是，包括：根据不同影响因素与电价序列间的关联关系设计综合影响因子进行电价相似日选取、设计动态网络分位数电价预测模型和基于所述动态网络分位数电价预测模型的核密度电价概率进行预测步骤，其预测精度高，能够大大缩短了运行时间；模型受价格波动相关风险影响小，对奇异值的耐受性强。具有科学合理，适用性，效果佳等优点。

Probability prediction method of day ahead electricity price based on dynamic network quantile model

【技术实现步骤摘要】
基于动态网络分位数模型的日前电价概率预测方法
本专利技术涉及智能电网与电力数据分析领域，是一种基于动态网络分位数模型的日前电价概率预测方法。
技术介绍
自竞争性电力市场问世以来，电价预测(EPF)逐渐成为售电公司制定投资决策机制过程中必不可少的重要环节。其中，日前电价作为能源交易决策的参考价格，更是因其能直接影响售电公司的收益而备受关注。随着智能电网的迅速发展，大量分布式可再生能源接入电网，已经成为坚强智能电网重要的组成部分。然而，可再生能源的间歇性与不确定性对价格导向的电力市场带来重大影响，这将会极大地降低日前电价预测的精度。由此，寻求精准的日前电价预测方法是售电公司亟需攻克的难题。早期的调查指出，每提高1％的预测误差，就会增加10亿里拉的电力操作成本。因此，如何在开放的电力市场环境下进一步提升日前电价预测精度对售电公司具有十分重要的现实意义。现有的日前电价预测方法主要是通过将使用历史日电价数据输入SVM、BP神经网络等模型得到预测日电价的，(1)由于直接将历史日电价相关数据集输入不同的预测模型进行日前电价预测，忽视了电价的日周期性特本文档来自技高网...

【技术保护点】
1.一种基于动态网络分位数模型的日前电价概率预测方法，其特征是，它包括以下步骤：/n1)根据不同影响因素与电价序列间的关联关系设计综合影响因子进行电价相似日选取/n①气象因素相似度计算/nx

【技术特征摘要】
1.一种基于动态网络分位数模型的日前电价概率预测方法，其特征是，它包括以下步骤：
1)根据不同影响因素与电价序列间的关联关系设计综合影响因子进行电价相似日选取
①气象因素相似度计算
xi为日气象粒子特征向量，其中，i＝1,2,...H，H表示预测日前H天的历史日，将第i个历史日的日实时小时温度、实时小时风速、实时降雨量、实时小时湿度表示为xi＝(xi(1),...,xi(n))，n为因素数；而预测日特征向量x0＝(x0(1),...,x0(n))，根据改进的灰色关联度计算序列x0与xi相似度γi为式(1)，



其中，t＝1,2,...，T为各个预测日与历史日气象影响因素指标序列的维数，表示预测日气象因素序列x0与历史日气象因素序列xi自比绝对差的最小值，表示预测日气象因素序列x0与历史日气象因素序列xi自比绝对差的最大值；ρ为分辨系数，ω(t)表示第t时间的影响因素指标与第i个气象影响因素的关联系数的权重，气象粒子相似度为γi，ω(t)的求取过程为：
首先定义t1与t2时刻的优先级联矩阵G＝(gt1t2)T×T，其中表示t1时刻与t2时刻在某影响因素条件下的重要程度对比，根据时刻近大远小原则计算为式(2)：



然后将G＝(gt1t2)T×T转换为模糊一致矩阵其中bt1如式(3)所示，bt1t2如式(4)所示，






最后求出列项权值和，为式(5)：



②负荷与可再生能源发电量相似度计算
将负荷曲线进行标准化处理，设qi,j为第i天的第j小时的负荷值，i＝1,2,…,d，j＝1,2,…,24，则标准化后的负荷值为：其中，代表第j小时的平均负荷值，为第j小时电价标准差，标准化的历史日负荷特征向量为yi＝(yi(1),...,yi(n))，n为计算时刻数，预测日负荷特征向量为y0＝(y0(1),...,y0(n))，采用DTW相似系数公式计算序列y0和yi的相似度，计算为式(6)：



其中，γ(yi(n),y0(n))表示相似度，表示代价矩阵D中两序列对应元素的欧氏距离，距离越近，γ(yi(n),y0(n))越小；反之，相似度越大，将γ(yi(n),y0(n))记作qi，同理，令pi为可再生能源发电量相似度；
③日期类型相似度计算
电价波动规律与星期类型和间隔天数有着强关联关系，电价变化具有周期性，星期类型越相近，电价曲线波动越相似；预测日距历史日越近，电价相似度越大，星期相似度εi与相近日相似度ηi的计算为式(7)、式(8)；
εi＝1-|d(xi)-d(x0)|(7)



其中，d(x0)和d(xi)分别表示x0与xi映射后的值，λ为日无关系数，θ为周衰无关系数；d为预测日与第i个历史日相差天数；mod为取余函数；int为取整运算；W1、W2取值为7，z为相似度下限；
④综合影响因子计算
采用各因素相似度带权相加方法计算综合影响因子，计算为式(9)：
ξi＝f1ri+f2qi+f3pi+f4ηi+f5εi(9)
其中，f1，f2，f3，f4，f5分别为日特征气象因子、负荷、可再生能源发电量、星期类型、相近日的相似度权重系数，根据不同影响因素的作用程度对其进行赋值，令f2>f1>f4>f5>f3,f1+f2+f3+f4+f5＝1，确定第i日与预测日之间的综合影响因子ξi，比较ξi的大小按从大到小排序，选择具有排名在前三分之一的综合影响因子的历史日作为相似日；
2)设计动态网络分位数电价预测(QGDFNN)模型
①QGDFNN模型输入层
QGDFNN模型共分为四层，分别为输入层、隶属径向基函数(RBF)层、规则层及输出层，在输入层中输入电价相关变量总数为n，记作Xi，i＝1,2,...,n；
②QGDFNN模型隶属RBF层
在隶属RBF层中，存在u个隶属RBF与每个Xi相连，则共有u×n个节点，选用高斯函数作为隶属RBF，则隶属RBF计算为式(10)：



其中，τ∈(0,1)能够生成不同的分位数g1(τ)为隶属RBF输出结果，cij(τ)表示输入变量Xi的第j个隶属RBF分位数中心矩阵，i＝1,2,...,n，j＝1,2,...,μ，σij为隶属RBF宽度，令xi(t)表示新输入数据，t＝1,2,...,m，m≤n，比较其与边界集φi之间的...

【专利技术属性】
技术研发人员：魏晓明，曲朝阳，高漫阳，王蕾，曹杰，金明成，吕洪波，胡可为，徐鹏程，崔鸣石，孙建，薛凯，
申请(专利权)人：东北电力大学，国网吉林省电力有限公司，国网内蒙古东部电力有限公司信息通信分公司，国网东北分部绿源水力发电公司太平湾发电厂，
类型：发明
国别省市：吉林;22