【技术实现步骤摘要】
一种耦合碳价的电价预测方法
[0001]本专利技术涉及电价预测
,更具体地说是一种耦合碳价的电价预测方法。
技术介绍
[0002]随着电力市场改革的持续推进,电力的一般商品属性将更加凸显。同时随着碳市场覆盖范围的扩大,电力供应侧与电力用户侧都将进入碳交易市场,而碳价的变化将极大地影响电价的变化,通过建立相关模型对历史电价数据进行频率分解,分析电价的短期震动与长期趋势变化,并通过时间序列分析出电价与碳价的长期内在关系,并在此基础上对未来电力市场的边际价格进行预测。从发电侧来看,考虑了碳价的电价预测,可有利于生产决策,从而构建最优的发电安排与报价策略;从用电侧来看,考虑了碳价的电价预测,可依据用电成本,制定合理的用电计划及减排计划。同时考虑了碳价的电价,也可为社会提供一般的成本预期,有利于市场的稳定。
[0003]目前,对于电价预测的文献中,大多集中使用模型对短期电价进行预测,没有考虑碳价这一重要的影响变量,同时也没有考虑电价的交易特点,几乎所有的交易都会在年底完成交易,缺乏对长期电价的预测。所以需要将电价的交易数据进行分解,分解为短期波动与长期趋势,碳价主要通过长期趋势来影响电价。现有预测电价的方法有时间序列模型,人工智能模型和混合模型。
技术实现思路
[0004]为了克服现有技术的上述缺陷,本专利技术提供一种耦合碳价的电价预测方法。
[0005]为实现上述目的,本专利技术提供如下技术方案:
[0006]一种耦合碳价的电价预测方法,包括以下步骤:
[0007]S1、 ...
【技术保护点】
【技术特征摘要】
1.一种耦合碳价的电价预测方法,其特征在于,包括以下步骤:S1、电价的集成经验模态分解与重构;S2、碳价的集成经验模态分解与重构;S3、电价长期趋势与碳价长期趋势关系构建;S4、碳价长期趋势与碳排放空间的关系构建;S5、根据S3与S4构建耦合碳价的电价预测模型;S6、GRU神经网络模型构建;S7、对电价分解后的高频分量建立GRU神经网络进行训练;S8、使用测试集数据S7作为输入进行高频项预测;S9、预测结果求和S5+S8得到最终输出;其中:所述步骤S1和S2中,集成经验模态分解方法是一种新型自适应信号时频处理方法,EEMD的具体步骤如下:(1)将白噪声序列加在原始信号序列上;白噪声序列要满足以下条件:N为白噪声加入次数,ε
n
和ε分别为白噪声的波幅和标准差;(2)对加入了白噪声的信号序列进行EMD处理,得到数个IMF及趋势项;(3)向原始信号序列加入不同的白噪声,重复前两步;(4)将对应的IMF及趋势项分别求均值,作为EEMD方法分解结果;通过EEMD方法,预先设定白噪声标准差ε=0.2,集成次数N=100,电力市场的价格序列被自适应地分解成数个周期不同的IMF和1个趋势项;周期不同的IMF代表不同发生频率的价格形成影响因素,趋势项主要表现了电力价格的长期内在运行趋势;电力市场的原价格经EEMD分解成多个IMF和1个趋势项,每个IMF的周期各不相同;将对IMF序列进行分类加成,构成短期市场波动影响序列和重大事件影响序列两类;具体而言,本发明将IMF1记为指标1,IMF1+IMF2为指标2,以此类推,前i个IMF的和加成为指标i,计算指标1至指标i的均值,并对该均值是否显著区别于0进行t检验;其中,t检验统计量为:其中,为指标i的均值,σ
i
为指标i的标准差,n为指标i的样本容量;若IMF均值在指标4处显著不为0,则IMF1、IMF2和IMF3代表高频分量,后续IMF为低频分量;原价格序列的高频分量和低频分量体现了较强的经济学意义:高频分量的特征是振幅小,频率高,围绕零均值随机波动,是短期市场波动序列,体现了买卖交易行为、投机和投资行为、短期供需变动等因素对于电力价格的影响;低频分量包括季度性波动序列、重大冲击波动序列、年度性波动序列等,主要体现了季度性因素、年度性因素、重大事件等因素对电力价格的影响;长期趋势项主要由国家整体减排的力度和未来目标碳排放空间决定,体现了长期范围内的碳价格走势进而影响到电力价格的长期趋势;采用同样方法对碳市场的碳价进行分解与重构,同理可分为高频分量,低频分量与一个1趋势项;
耦合碳价的电价预测模型的具体步骤如下,步骤一:通过EEMD方法将原始时间序列数据x(t)分解为n个IMF分量c_j(t)(j=1,2,
…
,n)和一个长期序列r(t),然后将这些分量划分为训练集和测试集;步骤二:对训练集中的每个IMF分量建立并训练相应的神经网络;步骤三:依据电价与碳价,碳价与双碳路径建立电价长期趋势序列;步骤四:输入测试集中的每个分量输入到相应的神经网络用来预测,并将每个分量的预测值加总作为最终预测值;是最终预测值,和分别是IMFs和长期趋势分量的预测值。2.根据权利要求1所述的一种耦合碳价的电价预测方法,其特征在于:集成经验模态分解其基础是经验模态分解(Empirical mode decomposition,EMD),EMD方法的具体步骤和公式如下:(1)找出原始信号序列X(t)的所有极值,并分别对所有的极大值和极小值用三次样条函数进行插值,拟合构造出X(t)的上包络线X
max
(t)和下包络线X
min
(t);(2)根据上下包络线求均值:m1(t)=[X
max
(t)+X
min
(t)]/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(式1)(3)将原始信号序列X(t)减去均值m1(t)得出“潜在IMF”:h1(t)=X(t)
‑
m1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(式2)(4)根据IMF的定义判定“潜在IMF”,若满足定义要求,则认为h1(t)为IMF:c1(t)=h1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(式3)(5)对残差r1(t)重复进行前四步,直至残差满足终止条件;其中,残差r1(t)为:r1(t)=X(t)
‑
c1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(式4)(6)当最后的IMF被“筛选”出后,残差r
n
(t)即为趋势项,则原信号序列X(t)被EMD分解为:3.根据权利要求1所述的一种耦合碳价的电价预测方法,其特征在于:所述步骤S3中,建立电价长期趋势与碳价长期趋势的关系,采用回归分析的方法,建立二者...
【专利技术属性】
技术研发人员:金美含,张茂林,邢玉辉,王帮灿,陈然,陈玲,陈清贵,刘祥瑞,杨璇,杨喆麟,谢蒙飞,丁文娇,冯莹莹,王熙凯,邹贤,孙永军,陈丹琦,卜祺,陈洋,经文馨,
申请(专利权)人:昆明电力交易中心有限责任公司,
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。