一种煤炭供需形势预警方法及系统技术方案

本发明专利技术公开了一种煤炭供需形势预警方法及系统，通过获取历史煤炭生产总量、煤炭消费总量、煤炭供应总量、煤炭价格、电煤库存和煤炭可用天数等历史煤炭供需数据后，将历史煤炭供需数据输入根据对基于梯度提升算法的决策树分类模型进行构建得到的煤炭供需形势预警模型进行计算，得到煤炭供需预警结果，以使所述调度中心根据所述煤炭供需预警结果对煤炭资源进行调度，通过梯度提升分类算法自主识别煤炭供需预警级别，有效提高了煤炭供需预测准确度及预测效率。度及预测效率。度及预测效率。

【技术实现步骤摘要】
一种煤炭供需形势预警方法及系统


[0001]本专利技术涉及能源供应及需求管理
，尤其涉及一种煤炭供需形势预警方法及系统。

技术介绍

[0002]煤炭是我国的基础能源，其主体地位在未来相当一段时期内不会改变。目前，煤炭行业处于结构调整和新旧动能转换的关键时期。受供应侧、需求侧多方面因素的影响，区域性、时段性紧张问题时有发生。如果煤炭产能无序变化，极易引起煤炭市场大幅波动，不利于上下游产业的稳定发展和国民经济的平稳运行。
[0003]我国煤电发展政策明确提出实施煤电规划建设风险预警的要求，并给出具体核算方法及预警结果，目的是增强电力、热力供应保障能力，更好指导地方和发电企业按需有序核准、建设省内自用煤电项目。但是目前的煤电风险预警不能在电力供需形势、煤价、电价等关键条件发生较大变化或者相关重大政策出台后，及时更新风险预警结果，且预测准确度低。

技术实现思路

[0004]本专利技术提供了一种煤炭供需形势预警方法及系统，通过梯度提升分类算法自主识别煤炭供需预警级别以及挖掘影响煤炭供需形势变化的重要指标，有效提高了煤炭供需预测准确度及预测效率。
[0005]本专利技术实施例的第一方面提供了一种煤炭供需形势预警方法，所述方法包括：
[0006]获取历史煤炭供需数据，历史煤炭供需数据包括煤炭生产总量、煤炭消费总量、煤炭供应总量、煤炭价格、电煤库存和煤炭可用天数；
[0007]将历史煤炭供需数据输入煤炭供需形势预警模型进行计算，得到煤炭供需预警结果，以使调度中心根据煤炭供需预警结果对煤炭资源进行调度，其中，煤炭供需形势预警模型根据对基于梯度提升算法的决策树分类模型进行构建得到。
[0008]实施本实施例，获取历史煤炭生产总量、煤炭消费总量、煤炭供应总量、煤炭价格、电煤库存和煤炭可用天数等历史煤炭供需数据后，将历史煤炭供需数据输入根据对基于梯度提升算法的决策树分类模型进行构建得到的煤炭供需形势预警模型进行计算，得到煤炭供需预警结果，以使所述调度中心根据所述煤炭供需预警结果对煤炭资源进行调度，通过梯度提升分类算法自主识别煤炭供需预警级别，有效提高了煤炭供需预测准确度及预测效率。
[0009]在第一方面的一种可能的实现方式中，煤炭供需形势预警模型根据对基于梯度提升算法的决策树分类模型进行构建得到，具体为：
[0010]获取历史煤炭供需数据，并根据所述历史煤炭供需数据构建数据特征集，其中，所述数据特征集包括训练数据和测试数据；
[0011]根据所述数据特征集确定预警界限值，利用所述数据特征集对基于梯度提升算法
的决策树分类模型进行模型迭代训练，得到初始煤炭供需形势预警模型，计算所述初始煤炭供需形势预警模型中各个预警指标的贡献度，根据所述预警指标的贡献度对所述预警指标进行排序，得到排序结果，根据所述排序结果对所述数据特征集进行更新，得到更新后的数据特征集，并利用所述更新后的数据特征集对所述初始煤炭供需形势预警模型进行训练，得到更新后的初始煤炭供需形势预警模型，并计算所述训练后的煤炭预警模型中各个预警指标的贡献度并进行排序，得到更新后的排序结果，重复此步骤直到所述更新后的排序结果不在变化，则停止迭代训练，得到最终的煤炭供需形势预警模型。
[0012]实施本实施例，获取历史煤炭供需数据，并根据历史煤炭供需数据构建数据特征集，根据数据特征集确定预警界限值，利用数据特征集对基于梯度提升算法的决策树分类模型进行模型迭代训练，得到初始煤炭供需形势预警模型，计算初始煤炭供需形势预警模型中各个预警指标的贡献度，根据预警指标的贡献度对预警指标进行排序，得到排序结果，根据排序结果对数据特征集进行更新，得到更新后的数据特征集，并利用更新后的数据特征集对初始煤炭供需形势预警模型进行训练，得到更新后的初始煤炭供需形势预警模型，并计算训练后的煤炭预警模型中各个预警指标的贡献度并进行排序，得到更新后的排序结果，重复此步骤直到更新后的排序结果不在变化，则停止迭代训练，得到最终的煤炭供需形势预警模型。本方法通过历史煤炭供需数据，结合区域实时用能情况训练得到煤炭供需形势预警模型，挖掘影响煤炭供需形势变化的重要指标，并在实践中不断优化预测模型，提高了煤炭预测准确度，实现了及时发布煤炭供需预警信息。
[0013]在第一方面的一种可能的实现方式中，获取历史煤炭供需数据，具体为：
[0014]获取煤炭生产总量、煤炭消费总量、煤炭价格、电煤库存；
[0015]根据煤炭生产总量计算得到煤炭供应总量，根据所述电煤库存和所述煤炭消费总量得到煤炭可用天数；
[0016]在第一方面的一种可能的实现方式中，根据数据特征集确定预警界限值，具体为：
[0017]选取煤炭价格、电煤库存和煤炭可用天数作为预警指标；
[0018]利用PSO算法对煤炭价格、电煤库存和煤炭可用天数进行计算，得到煤炭价格、电煤库存和煤炭可用天数的预警界限值。
[0019]在第一方面的一种可能的实现方式中，利用数据特征集对基于梯度提升算法的决策树分类模型进行模型迭代训练，得到初始煤炭供需形势预警模型，具体为：
[0020]将训练数据输入基于梯度提升算法的决策树分类模型中，构建初始化弱分类模型，其中，初始化弱分类模型为：
[0021][0022]其中，损失函数为L[y,F(x)]，γ为本次迭代初始化的决策类别，F0(x)为初始化弱分类模型；
[0023]根据预设训练决策树和拟合残差加权系数对初始化弱分类模型进行多次迭代训练后，得到多个预警模型，其中，预警模型为：
[0024]F
m
(x)＝F
m
‑1(x)+γ
m
h
m
(x)
[0025]其中，F
m
(x)为预警模型，F
m
‑1(x)为上一步骤得到的预警模型，γ
m
为拟合残差加权
系数，x
i
为第i个训练数据的行为特征，y
i
为第i个训练数据的类别标签，h
m
(x)为预设训练决策树；
[0026]将测试数据输入各个预警模型进行计算，得到各个预警模块对应的实际预警结果；
[0027]根据实际预警结果和预设预警结果，计算各个预警模型的评价指标，选取评价指标最高的预警模型为初始煤炭供需形势预警模型，其中，评价指标包括准确度、精确度、召回率和F1值。
[0028]在第一方面的一种可能的实现方式中，计算初始煤炭供需形势预警模型中各个预警指标的贡献度，具体为：
[0029]分别计算各个预警指标在决策树节点的重要性，其中，具体计算公式为：
[0030]VIM
j,m
＝Gini
m
‑
Gini
l
‑
Gini
r
[0031]其中，Gini
m
为分枝前结点m的基尼系数，Gini
l
和Gini
r...

【技术保护点】

【技术特征摘要】
1.一种煤炭供需形势预警方法，其特征在于，包括：获取历史煤炭供需数据，所述历史煤炭供需数据包括煤炭生产总量、煤炭消费总量、煤炭供应总量、煤炭价格、电煤库存和煤炭可用天数；将所述历史煤炭供需数据输入煤炭供需形势预警模型进行计算，得到煤炭供需预警结果，以使调度中心根据所述煤炭供需预警结果对煤炭资源进行调度，其中，所述煤炭供需形势预警模型根据对基于梯度提升算法的决策树分类模型进行构建得到。2.如权利要求1所述的煤炭供需形势预警方法，其特征在于，所述煤炭供需形势预警模型根据对基于梯度提升算法的决策树分类模型进行构建得到，具体为：获取历史煤炭供需数据，并根据所述历史煤炭供需数据构建数据特征集，其中，所述数据特征集包括训练数据和测试数据；根据所述数据特征集确定预警界限值，利用所述数据特征集对基于梯度提升算法的决策树分类模型进行模型迭代训练，得到初始煤炭供需形势预警模型，计算所述初始煤炭供需形势预警模型中各个预警指标的贡献度，根据所述预警指标的贡献度对所述预警指标进行排序，得到排序结果，根据所述排序结果对所述数据特征集进行更新，得到更新后的数据特征集，并利用所述更新后的数据特征集对所述初始煤炭供需形势预警模型进行训练，得到更新后的初始煤炭供需形势预警模型，并计算所述训练后的煤炭预警模型中各个预警指标的贡献度并进行排序，得到更新后的排序结果，重复此步骤直到所述更新后的排序结果不在变化，则停止迭代训练，得到最终的煤炭供需形势预警模型。3.如权利要求1所述的煤炭供需形势预警方法，其特征在于，所述获取历史煤炭供需数据，具体为：获取煤炭生产总量、煤炭消费总量、煤炭价格、电煤库存；根据煤炭生产总量计算得到煤炭供应总量，根据所述电煤库存和所述煤炭消费总量得到煤炭可用天数。4.如权利要求2所述的煤炭供需形势预警方法，其特征在于，所述根据所述数据特征集确定预警界限值，具体为：选取所述煤炭价格、所述电煤库存和所述煤炭可用天数作为预警指标；利用PSO算法对所述煤炭价格、所述电煤库存和所述煤炭可用天数进行计算，得到所述煤炭价格、所述电煤库存和所述煤炭可用天数的预警界限值。5.如权利要求2所述的煤炭供需形势预警方法，其特征在于，所述利用所述数据特征集对基于梯度提升算法的决策树分类模型进行模型迭代训练，得到初始煤炭供需形势预警模型，具体为：将所述训练数据输入基于梯度提升算法的决策树分类模型中，构建初始化弱分类模型，其中，所述初始化弱分类模型为：其中，损失函数为L[y,F(x)]，γ为本次迭代初始化的决策类别，F0(x)为初始化弱分类模型；根据预设训练决策树和拟合残差加权系数对所述初始化弱分类模型进行多次迭代训
练后，得到多个预警模型，其中，所述预警模型为：F
m
(x)＝F
m―1
(x)+γ
m
h
m
(x)其中，F
m
(x)为预警模型，F
m―1
(x)为上一步骤得到的预警模型，γ
m
为拟合残差加权系数，x
i
为第i个训练数据的行为特征，y
i
为第i个训练数据的类别标签，h
m
(x)为预设训练决策树；将所述测试数据输入各个所述预警模型进行计算，得到各个所述预警模型对应的实际预警结果；根据所述实际预警结果和预设预警结果，计算各个所述预警模型的评价指标，选取评价指标最高的所述预警模型为初始煤炭供需形势预警模型，其中，所述评价指标包括准确度、精确度、召回率和F1值。6.如权利要求2所述的煤炭供需形势预警方法，其特征在于，所述计算所述初始煤炭供需形势预警模...

【专利技术属性】
技术研发人员：龚贤夫，彭勃，李耀东，刘晓光，肖建华，顾延勋，林海生，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：