【技术实现步骤摘要】
电力市场的现货价格预测方法及其相关设备
[0001]本申请实施例涉及电力现货市场现货价格预测的
问题，尤其涉及一种电力市场的现货价格预测方法。
技术介绍
[0002]随着电力现货试点的不断扩大，现货价格的高低已然成为发电商和售电公司制定最优的交易策略的关键因素，因此如何准确的预测现货价格至关重要。在广东电力市场“中长期为主，现货为辅”的模式下，对未来现货价格预测的准确性影响着发电商和售电公司合约仓位的管理策略，最终影响各自的利润。
[0003]由于国内现货市场交易起步较晚，相关研究以及历史数据相对匮乏，而现有方法主要是采用单一模型，如采用最小二乘法对价格预测模型进行多项式拟合，得到多项式次数为4的市场日前价格预测模型和实时价格预测模型，但是，此种方法容易受到异常的实时价格影响，从而造成预测模型不准确，存在一定的局限性。因此，亟需一种能够较为准确的预测电力现货市场交易价格的方法。
技术实现思路
[0004]本申请实施例提供了一种电力市场的现货价格预测方法，用于解决电力市场预测的准确性问题。>[0005]本申请本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电力市场的现货价格预测方法，其特征在于，所述方法包括：获取影响电力市场B类竞价电量的样本数据；将所述样本数据输入初始BP神经网络模型，以对所述初始BP神经网络模型进行训练；对经过训练的所述初始BP神经网络模型进行扰动，并对经过扰动后的所述初始BP神经网络模型进行训练，以获取中间BP神经网络模型；若所述中间BP神经网络模型满足预设条件，确定所述中间BP神经网络模型为目标BP神经网络模型；当所述目标BP神经网络模型为最优BP神经网络模型时，选取所述目标BP神经网络模型进行预测，以输出预测结果。2.根据权利要求1所述的方法，其特征在于，将所述样本数据输入初始BP神经网络模型包括：将所述样本数据代入归一化计算式进行计算，以获取经过归一化后的目标样本数据；其中，所述样本数据包括j*i个数据，所述x
′
ij
为变量j的第i个样本的所述目标样本数据，所述x
ij
为变量j的第i个样本的所述样本数据，所述为变量j的第i个样本中的所述样本数据的最小值，所述为变量j的第i个样本中的所述样本数据的最大值；将所述目标样本数据输入所述初始BP神经网络模型，以对所述初始BP神经网络模型进行训练。3.根据权利要求1或2所述的方法，其特征在于，所述样本数据包括统调负荷、A类机组的出力负荷、地方机组的出力负荷、西电东送的出力负荷及粤港澳联络线的出力负荷，将所述样本数据输入初始BP神经网络模型之前，所述方法还包括：将所述样本数据代入预处理计算式P
B类
＝P
统调
‑
P
A类
‑
P
地方电
‑
P
西电东送
‑
P
粤港澳
进行计算，以将所述样本数据预处理为净负荷：其中，所述P
B类
为B类机组的竞价负荷，所述P
统调
为所述统调负荷，所述P
A类
为所述A类机组的出力负荷，所述P
地方电
为所述地方机组的出力负荷，所述P
西电东送
为所述西电东送的出力负荷，所述P
粤港澳
为所述粤港澳联络线的出力负荷。4.根据权利要求1所述的方法，其特征在于，所述初始BP神经网络模型包括输入层、隐藏层及输出层，所述初始BP神经网络模型的初始权值及初始阈值组成的初始矩阵为Z＝[Z1,Z2,Z3,Z4]；其中，所述Z为所述初始矩阵，所述Z1为所述输入层与所述隐藏层之间的所述初始权值组成的列向量，所述Z2为所述隐藏层的所述初始阈值组成的列向量，所述Z3为所述隐藏层与所述输出层之间的所述初始权值组成的列向量，所述Z4为所述输出层组成的列向量。5.根据权利要求4所述的方法，其特征在于，将所述样本数据输入初始BP神经网络模型，以对所述初始BP神经网络模型进行训练包括：将所述样本数据输入由所述初始矩阵组成的所述初始BP神经网络模型；根据梯度下降法对所述初始BP神经网络模型进行训练，以使得经过训练后的所述初始BP神经网络模型的中间权值及中间阈值组成中间矩阵Z
(i)
＝[Z
1(...
【专利技术属性】
技术研发人员：贺小平，滕志毅，许志荣，常作攀，李良，谭凌云，王欣玮，陈雄汝，张皓，
申请(专利权)人：华润电力广东销售有限公司，
类型：发明
国别省市：
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。