一种锂电池原材料价格预测方法及系统技术方案

本发明专利技术提供一种锂电池原材料价格预测方法及系统，方法包括：构造历史价格数据集并设置历史时间窗口

【技术实现步骤摘要】
一种锂电池原材料价格预测方法及系统


[0001]本专利技术涉及时间序列预测
，具体涉及一种锂电池原材料价格预测方法及系统
。

技术介绍

[0002]新能源市场的不断扩大，促进电池行业的飞速发展，由于锂电池原材料价格的剧烈波动会对电池行业带来巨大冲击，因此，准确预测未来锂电池原材料价格对于企业制定合理的采购计划和提前规避风险至关重要
。
针对材料价格预测这类时间序列预测问题，现有研究提出众多的解决方案
。
得益于循环神经网络的选择记忆功能，这类时间序列问题常使用
RNN、LSTM
和
GRU
等为基础的深度学习模型，并取得较好效果
。
[0003]论文
《A decomposition
‑
ensemble model with regrouping method and attention
‑
based gated recurrent unit network for energy price predicti本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种锂电池原材料价格预测方法，其特征在于，所述方法包括：
S1、
采集锂电池目标材料的历史价格数据，据以构造历史价格数据集并设置历史时间窗口
、
预测窗口；
S2、
对所述历史价格数据集，计算不同的所述历史时间窗口的特征平均值，据以利用参数预测模型预测分布参数值；
S3、
根据所述分布参数值，对不同的所述历史时间窗口的特征值，进行归一化操作，以得到归一化数据集
X1′
；
S4、
利用门控循环单元网络
GRU
，对所述数据集
X1′
进行特征提取，以得到多类别特征；
S5、
利用自注意力机制，学习所述多类别特征间的特征关系数据：
S6、
根据所述特征关系数据，对所述锂电池目标材料的价格数据使用预测的分布参数和进行反归一化操作，以得到预测值
S7、
利用联合训练损失函数进行模型，根据所有所述历史时间窗口的特征数据
、
所述预测值进行预测，得到所述锂电池目标材料的价格预测结果
。2.
根据权利要求1所述的一种锂电池原材料价格预测方法，其特征在于，所述步骤
S1
包括：
S11、
根据原材料上下游产品关联关系，采集所述锂电池目标材料的所述历史价格数据，以作为预置预测模型的输入特征，据以构造历史价格数据集
S12、
将所述历史时间窗口的大小设置为
L
，将所述预测窗口大小设置为
H。3.
根据权利要求1所述的一种锂电池原材料价格预测方法，其特征在于，所述步骤
S2
包括：
S21、
计算所述历史价格数据集，所有所述历史时间窗口的所述特征平均值和
S22、
利用多层感知机模型，预测所述历史价格数据集的每个所述预测窗口的均值，据以作为所述分布参数值：式中，
σ
(2)
和
σ
(1)
为激活函数，
b
(2)
、W
(2)
、b
(1)
、W
(1)
为模型中可学习的偏置参数和权重参数
。4.
根据权利要求1所述的一种锂电池原材料价格预测方法，其特征在于，所述步骤
S3
包括：
S31、
利用下述逻辑，分别计算每个所述历史时间窗口下，每个所述特征值的标准差和和
式中，表示第
f
个特征在第
t
个时间窗口中的前
L
个特征值的标准差，表示后
H
个特征值的标准差；表示第
f
个特征在第
t
个时间窗口下的前
L
个特征值，则为后
H
个特征值，其中
1≤f≤n
f
，
n
f
表示特征总数；
S32、
根据所述标准差和所述特征平均值，对不同所述历史时间窗口进行特征值归一化操作，得到所述归一化数据集操作，得到所述归一化数据集式中，
x
代表原数据，代表均值，
s
代表标准差
。5.
根据权利要求1所述的一种锂电池原材料价格预测方法，其特征在于，所述步骤
S4
包括：
S41、
利用下述逻辑，表达所述归一化数据集
X1′
的第
t
个所述历史时间窗口的特定窗口特征：其中
S42、
技术所述特定窗口特征
ξ
t
，以得到并输出所述多类别特征
6.
根据权利要求1所述的一种锂电池原材料价格预测方法，其特征在于，所述步骤
S5
包括：
S51、
初始化权重矩阵
W
q

【专利技术属性】
技术研发人员：徐嘉文，张乐，朱旭辉，彭张林，陆效农，张强，丁翔，徐永健，
申请(专利权)人：合肥国轩高科动力能源有限公司，
类型：发明
国别省市：