基于神经网络的电力数据价格确定方法、装置及存储介质制造方法及图纸

本申请提供一种基于神经网络的电力数据价格确定方法、装置及存储介质，该方法包括：获取待处理电力数据的价值评估指标；将待处理电力数据的价值评估指标输入至电力数据价格确定模型，得到待处理电力数据的价格；其中，所述电力数据价格确定模型基于以下步骤获得：基于样本电力数据的价值评估指标初始化反向传播BP神经网络模型的参数；利用SSA优化BP神经网络模型；基于优化后的BP神经网络模型确定电力数据价格确定模型。本申请实施例提供的基于神经网络的电力数据价格确定方法、装置及存储介质，基于SSA优化的BP神经网络设计电力数据价格确定模型，提高了对电力数据定价的准确性，减少了电力数据资源浪费。减少了电力数据资源浪费。减少了电力数据资源浪费。

【技术实现步骤摘要】
基于神经网络的电力数据价格确定方法、装置及存储介质


[0001]本申请涉及电力数据
，尤其涉及一种基于神经网络的电力数据价格确定方法、装置及存储介质。

技术介绍

[0002]随着新型电力系统构建，电力数据服务已经成为促进电网高质量发展的关键生产要素与重要战略资产。为了开展电力数据的交易与共享，增加电力数据的流通性，需要对电力数据进行价值评估并确定其价格。
[0003]现有技术中，数据的价值评估受主观因素影响较多，数据定价的准确性和公平性无法得到保障；还有一些现有方案基于数据的隐私质量、数据质量和精确度质量来确定数据的价格，导致了数据价值评估具有片面性，无法精准地确定数据价格。总之，目前没有科学有效的方法和依据对电力数据进行定价，电力数据价格确定的准确性难以保障，使得数据交易双方难以开展电力数据的交易与共享，从而导致电力数据资源的浪费。

技术实现思路

[0004]本申请实施例提供一种基于神经网络的电力数据价格确定方法、装置及存储介质，用以解决现有技术中由于电力数据价格确定精度低而造成电力数据资源浪费的技术问题。
[0005]第一方面，本申请实施例提供一种基于神经网络的电力数据价格确定方法，包括：
[0006]获取待处理电力数据的价值评估指标；
[0007]将所述待处理电力数据的价值评估指标输入至电力数据价格确定模型，得到所述待处理电力数据的价格；
[0008]其中，所述电力数据价格确定模型基于以下步骤获得：
[0009]基于样本电力数据的价值评估指标初始化反向传播BP神经网络模型的参数；
[0010]利用麻雀搜索算法SSA优化所述BP神经网络模型；
[0011]基于优化后的BP神经网络模型确定所述电力数据价格确定模型。
[0012]在一些实施例中，所述利用SSA优化BP神经网络模型，包括：
[0013]初始化BP神经网络模型的权重和阈值分别得到初始权重和初始阈值；
[0014]基于所述初始权重和所述初始阈值利用SSA确定目标权重和目标阈值；
[0015]将所述目标权重和目标阈值赋值给BP神经网络模型，得到优化后的BP神经网络模型。
[0016]在一些实施例中，所述所述初始权重和所述初始阈值利用SSA确定目标权重和目标阈值，包括：
[0017]初始化SSA参数；所述SSA参数中的空间维度为所述初始权重和所述初始阈值的总数量；
[0018]输入所述初始权重和所述初始阈值至SSA，得到目标位置；
[0019]基于所述目标位置确定目标权重和目标阈值。
[0020]在一些实施例中，所述基于优化后的BP神经网络模型确定所述电力数据价格确定模型，包括：
[0021]基于所述样本电力数据的真实价格训练所述优化后的BP神经网络模型；
[0022]确定满足预设条件的BP神经网络模型为所述电力数据价格确定模型；所述预设条件指当前BP神经网络模型训练的准确度和/或迭代次数达到预设值。
[0023]在一些实施例中，所述基于所述样本电力数据的真实价格训练所述优化后的BP神经网络模型，包括：
[0024]基于优化后的BP神经网络模型的权重和阈值确定所述样本电力数据的预测价格；
[0025]基于所述样本电力数据的预测价格和所述样本电力数据的真实价格确定所述样本电力数据的价格预测误差；
[0026]基于所述价格预测误差更新所述优化后的BP神经网络模型的权重和阈值。
[0027]在一些实施例中，所述BP神经网络模型的最小化目标函数的表达式如下：
[0028][0029]其中，minMSE表示最小均方误差；C
b
表示训练数据集的数量；e
i
表示第i条电力数据的真实价格与预测价格之间的误差，i的取值为正整数。
[0030]在一些实施例中，所述待处理电力数据的价值评估指标指用于评估数据成本价值和数据应用价值的所述待处理电力数据的多种指标；所述数据成本价值是指所述待处理电力数据的全生命周期中每一阶段产生的直接成本和间接成本所对应的价值；所述数据应用价值是指所述待处理电力数据持续经营所带来的潜在价值。
[0031]第二方面，本申请实施例提供一种基于神经网络的电力数据价格确定装置，包括：
[0032]获取模块，用于获取待处理电力数据的价值评估指标；
[0033]输入模块，用于将所述待处理电力数据的价值评估指标输入至电力数据价格确定模型，得到所述待处理电力数据的价格；
[0034]其中，所述电力数据价格确定模型基于以下步骤获得：
[0035]基于样本电力数据的价值评估指标初始化反向传播BP神经网络模型的参数；
[0036]利用麻雀搜索算法SSA优化所述BP神经网络模型；
[0037]基于优化后的BP神经网络模型确定所述电力数据价格确定模型。
[0038]在一些实施例中，所述利用SSA优化BP神经网络模型，包括：
[0039]初始化BP神经网络模型的权重和阈值分别得到初始权重和初始阈值；
[0040]基于所述初始权重和所述初始阈值利用SSA确定目标权重和目标阈值；
[0041]将所述目标权重和目标阈值赋值给BP神经网络模型，得到优化后的BP神经网络模型。
[0042]在一些实施例中，所述所述初始权重和所述初始阈值利用SSA确定目标权重和目标阈值，包括：
[0043]初始化SSA参数；所述SSA参数中的空间维度为所述初始权重和所述初始阈值的总数量；
[0044]输入所述初始权重和所述初始阈值至SSA，得到目标位置；
[0045]基于所述目标位置确定目标权重和目标阈值。
[0046]在一些实施例中，所述基于优化后的BP神经网络模型确定所述电力数据价格确定模型，包括：
[0047]基于所述样本电力数据的真实价格训练所述优化后的BP神经网络模型；
[0048]确定满足预设条件的BP神经网络模型为所述电力数据价格确定模型；所述预设条件指当前BP神经网络模型训练的准确度和/或迭代次数达到预设值。
[0049]在一些实施例中，所述基于所述样本电力数据的真实价格训练所述优化后的BP神经网络模型，包括：
[0050]基于优化后的BP神经网络模型的权重和阈值确定所述样本电力数据的预测价格；
[0051]基于所述样本电力数据的预测价格和所述样本电力数据的真实价格确定所述样本电力数据的价格预测误差；
[0052]基于所述价格预测误差更新所述优化后的BP神经网络模型的权重和阈值。
[0053]在一些实施例中，所述BP神经网络模型的最小化目标函数的表达式如下：
[0054][0055]其中，minMSE表示最小均方误差；C
b
表示训练数据集的数量；e
i
表示第i条电力数据的真实价格与预测价格之间的误差，i的取值为正整数。
[0056]在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的电力数据价格确定方法，其特征在于，包括：获取待处理电力数据的价值评估指标；将所述待处理电力数据的价值评估指标输入至电力数据价格确定模型，得到所述待处理电力数据的价格；其中，所述电力数据价格确定模型基于以下步骤获得：基于样本电力数据的价值评估指标初始化反向传播BP神经网络模型的参数；利用麻雀搜索算法SSA优化所述BP神经网络模型；基于优化后的BP神经网络模型确定所述电力数据价格确定模型。2.根据权利要求1所述的基于神经网络的电力数据价格确定方法，其特征在于，所述利用SSA优化BP神经网络模型，包括：初始化BP神经网络模型的权重和阈值分别得到初始权重和初始阈值；基于所述初始权重和所述初始阈值利用SSA确定目标权重和目标阈值；将所述目标权重和目标阈值赋值给BP神经网络模型，得到优化后的BP神经网络模型。3.根据权利要求2所述的基于神经网络的电力数据价格确定方法，其特征在于，所述基于所述初始权重和所述初始阈值利用SSA确定目标权重和目标阈值，包括：初始化SSA参数；所述SSA参数中的空间维度为所述初始权重和所述初始阈值的总数量；输入所述初始权重和所述初始阈值至SSA，得到目标位置；基于所述目标位置确定目标权重和目标阈值。4.根据权利要求1所述的基于神经网络的电力数据价格确定方法，其特征在于，所述基于优化后的BP神经网络模型确定所述电力数据价格确定模型，包括：基于所述样本电力数据的真实价格训练所述优化后的BP神经网络模型；确定满足预设条件的BP神经网络模型为所述电力数据价格确定模型；所述预设条件指当前BP神经网络模型训练的准确度和/或迭代次数达到预设值。5.根据权利要求4所述的基于神经网络的电力数据价格确定方法，其特征在于，所述基于所述样本电力数据的真实价格训练所述优化后的BP神经网络模型，包括：基于所述优化后的BP神经网络模型的权重和阈值确定所述样本电力数据的预测价格；基于所述...

【专利技术属性】
技术研发人员：郭少勇，刘畅，王智立，邱雪松，臧秀环，徐志博，曾文静，耿鑫州，马邱哲，潘建宏，董爱迪，鲁宇，
申请(专利权)人：国网经济技术研究院有限公司国网吉林省电力有限公司国网吉林省电力有限公司经济技术研究院，
类型：发明
国别省市：