一种电价概率预测方法及装置制造方法及图纸

本发明专利技术公开了一种电价概率预测方法及装置，所述方法包括：构建SVM预测模型，获得不同时刻的电价预测数据；将电价预测数据输入logistic分布统计，获得不同时刻预测误差的特征参数，根据所述获得不同时刻预测误差的特征参数构建二维平面，采用Kmeans算法进行聚类，获得不同时刻的聚类结果，提取不同时刻所述聚类结果的中心点特征参数，获得电价概率预测结果；根据电价概率预测结果和电价预测数据，进行不同置信水平下电价概率预测，获得不同置信水平下电价概率预测结果。本发明专利技术通过分析电价预测误差在不同时段的差异性，提取特征参数并进行聚类，在不引入过多风险情形的前提下，精确的描述不同置信水平下的电价预测结果。

【技术实现步骤摘要】
一种电价概率预测方法及装置
本专利技术涉及电力市场
，尤其涉及一种电价概率预测方法及装置。
技术介绍
随着现货市场的推进和竞争程度逐步加深，电价的波动性会日益明显，如何科学准确的评估风险对于市场主体显得十分重要。其中，发电商参与批发市场的报价策略往往基于对未来电价的预估并通过预测误差大小的不同可能性来评估决策的风险。因此，引入误差分布的电价概率预测对于发电侧主体具有重要意义。现有技术中，电价预测研究已有的价格预测研究成果主要集中在其确定性预测上，没有涉及到价格的不确定性或风险性研究，导致最终预测结果不全面，一方面，由于周期性社会活动难以建模是引入电价预测误差的主要原因之一，在总体上考虑误差并不能体现不同时段的电价误差特性；另一方面，由于预测得到的电价会应用于风险评估等大规模的优化问题，过多的风险场景会引入大量的风险分析工作量。针对电价预测的准确性问题，现有技术一方面着眼于不同预测方法的总体准确性，重点考虑了不同预测模型和数据源的适配关系，但没有对预测误差进行深入研究分析，也没有考虑到预测误差的时域概率分布特性；另一方面基于相似日原理，分小时基于误差因子对预测数据进行分析，但该方法并未考虑到分析后的数据在风险评估中的使用难度，分小时的分析方法会在大规模风险评估优化问题中引入至少24个风险情形，从而引入过多工作量。因此，现有的研究虽然对电价预测的准确性及误差进行了分析，但未能做到对误差概率的分析精度和预测结果用于风险分析的可行性的兼顾，因此难以直接用于发电商决策的风险评估。专利技术内容本专利技术目的在于，提供电价概率预测方法及装置，通过分析电价预测误差在不同时段的差异性，并提取出各个时段误差分布的特征参数，并对该特征参数进行聚类操作，在不引入过多风险情形的前提下，精确的描述不同置信水平下的电价区间。为实现上述目的，本专利技术实施例提供一种电价概率预测方法，包括：构建SVM预测模型，获得不同时刻的电价预测数据；将所述电价预测数据输入logistic分布统计，获得不同时刻预测误差的特征参数，所述特征参数包括均值和标准差；根据所述获得不同时刻预测误差的特征参数构建二维平面，采用Kmeans算法进行聚类，获得不同时刻的聚类结果，提取不同时刻所述聚类结果的中心点特征参数，获得电价概率预测结果；根据所述电价概率预测结果和所述电价预测数据，进行不同置信水平下电价概率预测，获得不同置信水平下电价概率预测结果。优选地，所述构建SVM预测模型，获得不同时段的电价预测数据，包括：建立电价与输入数据之间的高维线性映射函数，引入松弛变量建立优化问题，预设SVM模型将所述优化问题转化为对偶问题，获得所述优化问题的最优解，将所述最优解代入高维线性映射函数，获得SVM预测模型：yi＝ω*φ(xi)+bi*；其中，yi为输出i时刻的电价数据，xi为i时刻的输入数据矩阵，ω*为模型权重矩阵，bi*为常值，φ为非线性映射函数；所述输入数据包括，目标T日24小时各时刻电价数据；将所述电价数据输入所述SVM预测模型，输出目标T日24小时各时刻电价预测数据。优选地，所述将所述电价预测数据输入logistic分布统计，获得不同时刻预测误差的特征参数，所述特征参数包括均值和标准差，包括：采用绝对误差Ei作为误差指标，计算如下：Ei＝Pi,forecast-Pi,actual；式中，Pi,forecast为时间点i的电价预测值、Pi,actual为实际电价；不同时刻的误差数据采用logistic分布模型拟合，其概率密度和累计密度函数分别如下：获得不同时刻预测误差分布的均值和标准差。优选地，所述根据所述获得不同时刻预测误差的特征参数构建二维平面，采用Kmeans算法进行聚类，获得不同时刻的聚类结果，提取不同时刻所述聚类结果的中心点特征参数，获得电价概率预测结果，包括：采用所述不同时刻的预测误差分布的均值和标准差构建二维平面，记为(μi,σi)；采用Kmeans算法，随机选取K个中心点，分类系数为r，各数据点xi对应k个分类rik，其中，若数据点xi属于类K，则rik取1，否则取0；根据最小化各数据点到各中心点的距离，选取所述分类系数r的值，如下：更新中心点，重新计算中心点，如下：重复更新计算直到收敛，输出各类中心点的坐标(μ,σ)，根据所述各类中心点的坐标，获得所述电价概率预测结果。优选地，所述根据所述电价概率预测结果和所述电价预测数据，进行不同置信水平下电价概率预测，获得不同置信水平下电价概率预测结果，包括：所述目标T日24小时各时刻电价预测数据分时段加上各类均值，获得不同时段的电价预测数据的均值，根据所述概率密度函数，获得不同置信水平的电价概率预测结果。本专利技术实施例提供还提供一种电价概率预测装置，包括：原始预测模块，用于构建SVM预测模型，获得不同时刻的电价预测数据；统计模块，用于将所述电价预测数据输入logistic分布统计，获得不同时刻预测误差的特征参数，所述特征参数包括均值和标准差；聚类模块，用于根据所述获得不同时刻预测误差的特征参数构建二维平面，采用Kmeans算法进行聚类，获得不同时刻的聚类结果，提取不同时刻所述聚类结果的中心点特征参数，获得电价概率预测结果；预测模块，用于根据所述电价概率预测结果和所述电价预测数据，进行不同置信水平下电价概率预测，获得不同置信水平下电价概率预测结果。优选地，所述原始预测模块，包括：建立电价与输入数据之间的高维线性映射函数，引入松弛变量建立优化问题，预设SVM模型将所述优化问题转化为对偶问题，获得所述优化问题的最优解，将所述最优解代入高维线性映射函数，获得SVM预测模型：yi＝ω*φ(xi)+bi*；其中，yi为输出i时刻的电价数据，xi为i时刻的输入数据矩阵，ω*为模型权重矩阵，bi*为常值，φ为非线性映射函数；所述输入数据包括，目标T日24小时各时刻电价数据；将所述电价数据输入所述SVM预测模型，输出目标T日24小时各时刻电价预测数据。优选地，所述统计模块，包括：采用绝对误差Ei作为误差指标，计算如下：Ei＝Pi,forecast-Pi,actual；式中，Pi,forecast为时间点i的电价预测值、Pi,actual为实际电价；不同时刻的误差数据采用logistic分布模型拟合，其概率密度和累计密度函数分别如下：获得不同时刻预测误差分布的均值和标准差。优选地，所述聚类模块，包括：采用所述不同时刻的预测误差分布的均值和标准差构建二维平面，记为(μi,σi)；采用Kmeans算法，随机选取K个中心点，分类系数为r，各数据点xi对应k个分类rik，其中，若数据点xi属于类K，则rik取1，否则取0；本文档来自技高网...

【技术保护点】
1.一种电价概率预测方法，其特征在于，包括：/n构建SVM预测模型，获得不同时刻的电价预测数据；/n将所述电价预测数据输入logistic分布统计，获得不同时刻预测误差的特征参数，所述特征参数包括均值和标准差；/n根据所述获得不同时刻预测误差的特征参数构建二维平面，采用Kmeans算法进行聚类，获得不同时刻的聚类结果，提取不同时刻所述聚类结果的中心点特征参数，获得电价概率预测结果；/n根据所述电价概率预测结果和所述电价预测数据，进行不同置信水平下电价概率预测，获得不同置信水平下电价概率预测结果。/n

【技术特征摘要】
1.一种电价概率预测方法，其特征在于，包括：
构建SVM预测模型，获得不同时刻的电价预测数据；
将所述电价预测数据输入logistic分布统计，获得不同时刻预测误差的特征参数，所述特征参数包括均值和标准差；
根据所述获得不同时刻预测误差的特征参数构建二维平面，采用Kmeans算法进行聚类，获得不同时刻的聚类结果，提取不同时刻所述聚类结果的中心点特征参数，获得电价概率预测结果；
根据所述电价概率预测结果和所述电价预测数据，进行不同置信水平下电价概率预测，获得不同置信水平下电价概率预测结果。


2.根据权利要求1所述的电价概率预测方法，其特征在于，所述构建SVM预测模型，获得不同时段的电价预测数据，包括：
建立电价与输入数据之间的高维线性映射函数，引入松弛变量建立优化问题，预设SVM模型将所述优化问题转化为对偶问题，获得所述优化问题的最优解，将所述最优解代入高维线性映射函数，获得SVM预测模型：
yi＝ω*φ(xi)+bi*；
其中，yi为输出i时刻的电价数据，xi为i时刻的输入数据矩阵，ω*为模型权重矩阵，bi*为常值，φ为非线性映射函数；
所述输入数据包括，目标T日24小时各时刻电价数据；
将所述电价数据输入所述SVM预测模型，输出目标T日24小时各时刻电价预测数据。


3.根据权利要求2所述的电价概率预测方法，其特征在于，所述将所述电价预测数据输入logistic分布统计，获得不同时刻预测误差的特征参数，所述特征参数包括均值和标准差，包括：
采用绝对误差Ei作为误差指标，计算如下：
Ei＝Pi,forecast-Pi,actual；
式中，Pi,forecast为时间点i的电价预测值、Pi,actual为实际电价；
不同时刻的误差数据采用logistic分布模型拟合，其概率密度和累计密度函数分别如下：






获得不同时刻预测误差分布的均值和标准差。


4.根据权利要求3所述的电价概率预测方法，其特征在于，所述根据所述获得不同时刻预测误差的特征参数构建二维平面，采用Kmeans算法进行聚类，获得不同时刻的聚类结果，提取不同时刻所述聚类结果的中心点特征参数，获得电价概率预测结果，包括：
采用所述不同时刻的预测误差分布的均值和标准差构建二维平面，记为(μi,σi)；
采用Kmeans算法，随机选取K个中心点，分类系数为r，各数据点xi对应k个分类rik，其中，若数据点xi属于类K，则rik取1，否则取0；
根据最小化各数据点到各中心点的距离，选取所述分类系数r的值，如下：



更新中心点，重新计算中心点，如下：



重复更新计算直到收敛，输出各类中心点的坐标(μ,σ)，根据所述各类中心点的坐标，获得所述电价概率预测结果。


5.根据权利要求4所述的电价概率预测方法，其特征在于，所述根据所述电价概率预测结果和所述电价预测数据，进行不同置信水平下电价概率预测，获得不同置信水平下电价概率预测结果，包括：

【专利技术属性】
技术研发人员：刘双全，蒋燕，段睿钦，朱欣春，李秀峰，邵其专，吴洋，周彬彬，赵珍玉，周涵，陈凯，王有香，张聪通，栾毅，马腾飞，张杰，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：云南;53