【技术实现步骤摘要】
基于分类网络的实时电价预测方法和装置
[0001]本申请涉及电力市场申报决策
，尤其涉及基于分类网络的实时电价预测方法和装置。
技术介绍
[0002]新能源现货日前交易中为了防止用户过度的投机行为，各省电力市场规则均建立了相应的偏差收益回收机制。对于用户侧实时市场偏差电量超出允许偏差范围电量产生的日前套利收益，将被纳入市场运营费用处理。因此，在日前申报电量时，用户应根据日前电价和实时电价的差值，在偏差范围允许内，适当高报或低报实发功率。然而，在实际申报场景中实发功率是次日公布，所以将短期功率预测值作为实发功率值，进行申报策略的调整。
[0003]根据现货日前交易申报策略规则可知，当日前电价与实时电价的差值大于某个阈值时，则将预测日的短期功率预测值往上调整作为日前申报曲线；当日前电价与实时电价的差值小于某个阈值时，则将预测日的短期功率预测值往下调整作为日前申报曲线；如果日前电价与实时电价的价差介于两个阈值之间时，则为了规避风险，则不对预测日短期功率预测值进行调整，而是直接将预测日的短期功率预测值作为申报曲线。在实...
【技术保护点】
【技术特征摘要】
1.一种基于分类网络的实时电价预测方法，其特征在于，包括以下步骤：获取历史电价数据，并根据所述历史电价数据生成训练数据；使用所述训练数据进行模型的训练，得到分类模型；使用所述分类模型对预测日的每个时刻进行分类预测，得到分类预测结果；基于所述分类预测结果对预测日每个时刻的短期功率预测值调整过程进行分类，得到调整分类结果；根据所述调整分类结果统计预测日每个时刻对应的日前电价与实时电价的期望差值，得到实时电价的预测值。2.如权利要求1所述的方法，其特征在于，所述根据所述历史电价数据生成训练数据，包括：根据新能源现货日前交易调整阈值将历史电价数据中每个时刻分别标注为针对超短期功率预测值进行调整或不进行调整的标签，将标注后带标签时刻的历史电价数据作为第一训练数据；根据日前电价是否大于实时电价将历史电价数据中的每个时刻分别标注为是或否的标签，将标注后带标签时刻的历史电价数据作为第二训练数据。3.如权利要求2所述的方法，其特征在于，所述分类模型包括第一分类模型和第二分类模型，所述第一分类模型使用所述第一训练数据作为训练数据，所述第二分类模型使用所述第二训练数据作为训练数据，所述使用所述分类模型对预测日的每个时刻进行分类预测，得到分类预测结果，表示为：使用所述第一分类模型对预测日每个时刻是否进行短期功率调整进行分类预测，得到第一分类预测结果；使用所述第二分类模型对预测日每个时刻日前电价是否大于实时电价进行分类预测，得到第二分类预测结果。4.如权利要求1所述的方法，其特征在于，所述调整分类结果包括向上调整、向下调整或不调整，所述对预测日每个时刻的短期功率预测值调整过程进行分类，表示为：其中，γ
t
为预测日t时刻日前电价与实时电价的差值，1为差值大于阈值M，0为差值介于[
‑
M,M]，
‑
1为差值小于阈值
‑
M，为预测日t时刻是否对短期功率预测值进行调整，1为调整，0为不调整，β
t
为预测日t时刻日前电价是否大于实时电价，1为是，0为否。5.如权利要求1所述的方法，其特征在于，所述实时电价的预测值的计算过程表示为：
其中，P
t_realtime
为预测日t时刻实时电价的预测值，P
t_ahead
为预测日t时刻日前电价，D为选取的历史数据天数，P
d,t_diff
为历史数据中第d日t时刻日前电价与实时电价的差值,M为阈值，γ
t
为预测日t时刻日前电价与实时电价的差值，N
1,t
为历史D日数据中对应t时刻满足P
d,t_diff
>M且γ
t
=1的数据个数；N
2,t
为历史D日数据中对应t时刻满足P
d,t_diff
∈[
‑
M,M]且γ
t
=0的数据个数；N
3,t
为历史D日数据中对应t时刻满足P
d,t_diff
<M且γ
t
=
‑
1的数据个数。6.一种基于分类网络的实时电价预测装置，其特征在于，包括数据处理模块、模型生成模块、分类预测模块、...
【专利技术属性】
技术研发人员：孙财新，胥金平，申旭辉，李楠，潘霄峰，范文光，王鸿策，
申请(专利权)人：华能新能源股份有限公司山西分公司，
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。