基于梯度提升决策树的电力交易现货价差趋势预测方法技术

本发明专利技术涉及电价趋势预测技术领域，提出了基于梯度提升决策树的电力交易现货价差趋势预测方法，包括：采集历史发电数据、发电类型相关数据、历史报价数据及当日报价数据；根据历史发电数据及发电类型相关数据，获取每个发电类型每个时期的日发电影响因子，结合历史报价数据获取每个发电企业每个时期的报价卷积权重；根据报价卷积权重及历史报价数据，得到每个时期的理想报价值及每个发电企业的预测报价数据；根据历史报价数据、预测报价数据以及理想报价值，得到每个发电企业的报价评估值，完成电力交易现货价差趋势的预测及发电企业的选取。本发明专利技术旨在解决传统梯度提升决策树的初始弱分类器粗糙而影响算法效率及预测准确率的问题。率的问题。率的问题。

【技术实现步骤摘要】
基于梯度提升决策树的电力交易现货价差趋势预测方法


[0001]本专利技术涉及电价趋势预测
，具体涉及基于梯度提升决策树的电力交易现货价差趋势预测方法。

技术介绍

[0002]电力现货交易是在电力交易市场上，可以在特定的电力交易时间内，通过议价方式购买或出售电量；电力现货交易市场主要围绕中长期、日前、实时电能量交易和备用、调频等辅助服务交易展开；电力现货交易价格机制有两种：一种是按各市场主体的报价结算，另一种是按照边际出清价格结算的统一价格机制。
[0003]由于电力现货交易市场是基于实时供需关系以及地方市场价差调整电价，且存在市场垄断和信息不对称问题，因此价格波动较大；用户企业在选择发电企业进行合作，以及规划未来合作方案、调整合作方向时，无法针对当前市场对未来市场进行准确预测，导致用户企业丢失主动权，任发电企业定义交易规则，造成不必要的成本浪费；因此需要通过梯度提升决策树来对电力现货交易市场价差变化趋势进行预测，同时结合各发电企业的报价对初始弱分类器的理想报价值进行校正，进而提高算法效率的同时保证预测结果的准确性，从而节省用户企业的用电成本。

技术实现思路

[0004]本专利技术提供基于梯度提升决策树的电力交易现货价差趋势预测方法，以解决现有的传统梯度提升决策树的初始弱分类器粗糙而影响算法效率及预测准确率的问题，所采用的技术方案具体如下：本专利技术一个实施例提供了基于梯度提升决策树的电力交易现货价差趋势预测方法，该方法包括以下步骤：采集电力市场中若干发电企业的历史发电数据、历史报价数据及当日报价数据，记录每个时期的发电类型相关数据；根据每个发电类型每个时期的日发电影响因子以及历史报价数据，获取每个发电企业每个时期的报价卷积权重；根据理想报价值及历史报价数据构建并训练的梯度提升决策树，输入日发电影响因子及当日报价数据，输出得到每个发电企业的预测报价数据；根据历史报价数据、预测报价数据以及理想报价值，得到每个发电企业的报价评估值，完成电力交易现货价差趋势的预测及发电企业的选取。
[0005]进一步的，所述每个发电企业每个时期的报价卷积权重，具体的获取方法为：根据历史发电数据及发电类型相关数据获取每个发电类型每个时期的日发电影响因子，通过历史发电数据得到每个发电企业每一天的日发电量，第个发电类型中第个发电企业任意一天的报价卷积权重的计算方法为：
其中，表示第个发电类型中第个发电企业任意一天的报价参考系数，表示第个发电类型在该天的日发电影响因子，表示该天的日发电量总和，表示第个发电类型中第个发电企业该天的日发电量，表示第个发电类型中发电企业的数量，表示第个发电类型中第个发电企业该天的报价数据，表示第个发电类型中所有发电企业该天的报价数据均值，表示所有发电企业该天的报价数据均值，表示发电类型数量，表示第个发电类型中第个发电企业该天的报价数据，为避免分母为0的超参数，表示求绝对值；获取该天内每个发电企业的报价参考系数，对所有报价参考系数进行归一化，得到的结果记为每个发电企业在该天的报价卷积权重；获取每个发电企业每一天的报价卷积权重，每个时期对应一天，得到每个发电企业每个时期的报价卷积权重。
[0006]进一步的，所述根据历史发电数据及发电类型相关数据获取每个发电类型每个时期的日发电影响因子，包括的具体方法为：获取每个发电类型所有发电企业每一天的日发电量，根据相同发电类型同一天的日发电量总和对发电类型相应时期的发电类型相关数据进行大粉，得到每个发电类型相关数据的分值；根据发电类型相关数据，并将分值作为标签训练分类网络，通过将每个发电类型每个时期的发电类型相关数据输入到训练完成的分类网络，输出得到每个发电类型每个时期的日发电影响因子。
[0007]进一步的，所述根据理想报价值及历史报价数据构建并训练的梯度提升决策树，包括的具体方法为：根据报价卷积权重及历史报价数据获取每一天的理想报价值，结合发电企业的历史报价数据，得到用于预测及输出残差的损失函数loss的具体表达式为：其中，表示历史报价数据中的天数，表示第个发电企业第天的报价数据，表示第天的理想报价值；将中不同天数对应的结果组成的集合记为残差，对于回归问题的决策树，下一次迭代中模型拟合当前模型的残差学习得到一个回归树；将新的回归树加入到当前模型中，并重新计算预测值，每个样本点的预测值等于前面所有弱分类器的预测结果之和，再加上当前决策树的预测结果乘以一个学习率得到的乘积；反复根据上一次迭代的残差进行弱分类器更新，直至达到目标函数收敛至最小，完成预测器的训练过程，得到训练完成的梯度提升决策树。
[0008]进一步的，所述根据报价卷积权重及历史报价数据获取每一天的理想报价值，包括的具体方法为：获取历史报价数据中任意一天所有发电企业的报价数据，根据每个发电企业该天的报价卷积权重，对每个发电企业该天的报价数据进行加权求和，得到的结果记为该天的理想报价值；获取每一天的理想报价值。
[0009]进一步的，所述得到每个发电企业的报价评估值，包括的具体方法为：根据理想报价值及历史报价数据获取每个发电企业每一天的报价偏差值；第个发电企业的报价评估值的计算方法为：其中，表示所有发电企业的预测报价数据的最小值，表示第个发电企业的预测报价数据，表示第个发电企业所有报价偏差值的方差，表示以自然常数为底的指数函数；获取每个发电企业的报价评估值。
[0010]进一步的，所述根据理想报价值及历史报价数据获取每个发电企业每一天的报价偏差值，包括的具体方法为：获取第个发电企业历史报价数据中每一天的报价数据与对应的理想报价值的差值绝对值，记为第个发电企业每一天的报价偏差值；获取每个发电企业每一天的报价偏差值。
[0011]本专利技术的有益效果是：本专利技术通过优化梯度提升决策树算法来提高算法效率低下及预测结果不准确的问题，其中对于算法初始弱分类器粗糙，导致回归树深度较大，算法收敛慢的问题，根据不同发电企业的发电类型，通过日发电量及发电类型相关数据得到发电类型的日发电影响因子，结合发电类型的发电贡献率以及历史报价数据的方差与差异，得到每个发电企业的报价卷积权重，并对历史报价数据进行卷积得到理想报价值函数，其符合实际历史每日的发电情况与报价值侧重，为实际情况下的理想报价值；以其作为初始弱分类器，可以有效减少由于部分企业虚报、垄断、扰乱市场的异常报价所增加的残差量，并缩短回归树深度，使算法收敛更快，预测更准确，然后根据预测结果对下一时期合作的发电企业进行择优选取；本专利技术大幅提高梯度提升决策树的算法效率及预测准确率，同时最大化节省用户企业的用电成本。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0013]图1为本专利技术一个实施例所提供的基于梯度提升决策树的电力交易现货价差趋势预测方法流程示意图。
具体实施方式
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于梯度提升决策树的电力交易现货价差趋势预测方法，其特征在于，该方法包括以下步骤：采集电力市场中若干发电企业的历史发电数据、历史报价数据及当日报价数据，记录每个时期的发电类型相关数据；根据每个发电类型每个时期的日发电影响因子以及历史报价数据，获取每个发电企业每个时期的报价卷积权重；根据理想报价值及历史报价数据构建并训练的梯度提升决策树，输入日发电影响因子及当日报价数据，输出得到每个发电企业的预测报价数据；根据历史报价数据、预测报价数据以及理想报价值，得到每个发电企业的报价评估值，完成电力交易现货价差趋势的预测及发电企业的选取。2.根据权利要求1所述的基于梯度提升决策树的电力交易现货价差趋势预测方法，其特征在于，所述每个发电企业每个时期的报价卷积权重，具体的获取方法为：根据历史发电数据及发电类型相关数据获取每个发电类型每个时期的日发电影响因子，通过历史发电数据得到每个发电企业每一天的日发电量，第个发电类型中第个发电企业任意一天的报价卷积权重的计算方法为：其中，表示第个发电类型中第个发电企业任意一天的报价参考系数，表示第个发电类型在该天的日发电影响因子，表示该天的日发电量总和，表示第个发电类型中第个发电企业该天的日发电量，表示第个发电类型中发电企业的数量，表示第个发电类型中第个发电企业该天的报价数据，表示第个发电类型中所有发电企业该天的报价数据均值，表示所有发电企业该天的报价数据均值，表示发电类型数量，表示第个发电类型中第个发电企业该天的报价数据，为避免分母为0的超参数，表示求绝对值；获取该天内每个发电企业的报价参考系数，对所有报价参考系数进行归一化，得到的结果记为每个发电企业在该天的报价卷积权重；获取每个发电企业每一天的报价卷积权重，每个时期对应一天，得到每个发电企业每个时期的报价卷积权重。3.根据权利要求2所述的基于梯度提升决策树的电力交易现货价差趋势预测方法，其特征在于，所述根据历史发电数据及发电类型相关数据获取每个发电类型每个时期的日发电影响因子，包括的具体方法为：获取每个发电类型所有发电企业每一天的日发电量，根据相同发电类型同一天的日发电量总和对发电类型相应时期的发电类型相关数据进行大粉，得到每个发电类型相关数据的分值；根据发电类型相关数据，并将分值作为标签训练分类网络，通过将每个发电类型每个时期的发电类型相关数据输入...

【专利技术属性】
技术研发人员：陈波，王语博，王永生，郭涛韵，
申请(专利权)人：北京易能中网技术有限公司，
类型：发明
国别省市：