【技术实现步骤摘要】
电价预测模型权重获取和电价预测方法及装置
[0001]本公开涉及电力市场
、
人工智能
、
大数据
,尤其涉及一种电价预测模型权重获取和电价预测方法及装置
。
技术介绍
[0002]电力现货价格是指电力现货市场的出清价格曲线,形式通常为一天
96
点或
24
点曲线,反映每个时刻的电力成交价格
。
其中,电力现货市场包括日前市场
、
日内市场和实时市场,市场参与者可以在交易日前对电力现货价格进行预测
。
相关技术中,主要是通过回归模型
、
神经网络预测
、
时间序列
、
小波分析预测及灰色预测等单一或组合算法对电力现货价格进行预测,从而确定报价报量策略
。
技术实现思路
[0003]本公开旨在至少在一定程度上解决相关技术中的技术问题之一
。
[0004]为此,本公开的一个目的在于提出一种电价预测模型权重获取方法
。
[0005]本公开的第二个目的在于提出一种电价预测方法
。
[0006]本公开的第三个目的在于提出一种电价预测模型权重获取装置
。
[0007]本公开的第四个目的在于提出一种电价预测装置
。
[0008]本公开的第五个目的在于提出一种电子设备
。
[0009]本公开的第六个目的在于提出一种非瞬时计算机可读存储介质r/>。
[0010]本公开的第七个目的在于提出一种计算机程序产品
。
[0011]为达上述目的,本公开第一方面实施方式提出了一种电价预测模型权重获取方法,包括:获取电价预测模型和历史电价数据,其中所述电价预测模型包括
BiLSTM
预测子模型和
XGBoost
预测子模型;基于所述历史电价数据生成至少一个电价数据矩阵;将所述电价数据矩阵分别输入至
BiLSTM
预测子模型和
XGBoost
预测子模型中,以分别获取第一预测结果矩阵和第二预测结果矩阵;基于所述第一预测结果矩阵
、
所述第二预测结果矩阵和所述电价数据矩阵对应的真实结果矩阵,确定所述
BiLSTM
预测子模型的第一权重矩阵,和所述
XGBoost
预测子模型的第二权重矩阵
。
[0012]根据本公开的一个实施方式,所述基于所述历史电价数据生成至少一个电价数据矩阵,包括:获取多个预设时间戳和所述历史电价数据的时间戳;将所述历史电价数据与所述预设时间戳进行匹配,以获取每个预设时间戳的目标电价数据;基于多个预设时间戳和每个预设时间戳的目标电价数据,生成所述电价数据矩阵
。
[0013]根据本公开的一个实施方式,所述基于所述第一预测结果矩阵
、
所述第二预测结果矩阵和所述电价数据矩阵对应的真实结果矩阵,确定所述
BiLSTM
预测子模型的第一权重矩阵,和所述
XGBoost
预测子模型的第二权重矩阵,包括:针对任一预设时间戳,获取所述预设时间戳在所述第一预测结果矩阵中的第一预测结果,以及在所述第二预测结果矩阵中的第二预测结果,以及在真实结果矩阵中的真实结果;基于所述第一预测结果
、
所述第二预测
结果和所述真实结果,确定所述预设时间戳对应的所述
BiLSTM
预测子模型的第一权重和所述
XGBoost
预测子模型的第二权重;基于所有预设时间戳对应的第一权重确定第一权重矩阵,以及基于所有预设时间戳对应的第二权重确定第二权重矩阵
。
[0014]根据本公开的一个实施方式,所述基于所述第一预测结果
、
所述第二预测结果和所述真实结果,确定所述预设时间戳对应的所述
BiLSTM
预测子模型的第一权重和所述
XGBoost
预测子模型的第二权重,包括:基于所述第一预测结果和所述真实结果进行相减计算第一误差,以及基于所述第二预测结果和所述真实结果进行相减计算第二误差;基于所述第一误差和所述第二误差,确定所述预设时间戳对应的预测误差向量;基于所述误差向量确定所述时间戳对应的误差信息矩阵;基于所述误差信息矩阵确定所述
BiLSTM
预测子模型的第一权重和所述
XGBoost
预测子模型的第二权重
。
[0015]根据本公开的一个实施方式,所述基于所述误差信息矩阵确定所述
BiLSTM
预测子模型的第一权重和所述
XGBoost
预测子模型的第二权重,包括:基于所述误差信息矩阵和权重矩阵,计算误差平方和,其中所述权重矩阵的第一元素对应所述
BiLSTM
预测子模型的第一权重,所述权重矩阵的第二元素对应所述
XGBoost
预测子模型的第二权重;确定所述误差平方和最小的情况下的所述权重矩阵为所述目标权重矩阵,并确定所述目标权重矩阵的第一元素为所述
BiLSTM
预测子模型的第一权重,以及确定所述目标权重矩阵的第二元素为所述
XGBoost
预测子模型的第二权重
。
[0016]根据本公开的一个实施方式,所述基于所述历史电价数据生成至少一个电价数据矩阵之前,包括:针对任一预设时间戳,选取所述历史电价数据中该预设时间戳对应的至少一个候选电价数据;对所述电价数据进行特征分析,并获取特征得分,选取特征得分最高的候选电价数据为所述电价数据
。
[0017]为达上述目的,本公开第二方面实施例提出了一种电价预测方法,其特征在于,包括:获取当前需要预测的目标时间戳;基于所述目标时间戳从所述第一权重矩阵中确定目标第一权重,以及基于所述目标时间戳从所述第二权重矩阵中确定目标第二权重,其中,所述第一权重矩阵和所述第二权重矩阵为通过第一方面实施例所述的电价预测模型权重获取方法获取的,所述目标第一权重为
BiLSTM
预测子模型的权重,所述目标第二权重为
XGBoost
预测子模型的权重;基于所述目标第一权重
、
所述目标第二权重
、
所述
BiLSTM
预测子模型和所述
XGBoost
预测子模型生成目标预测模型,并基于所述目标预测模型预测目标时间戳的电价数据
。
[0018]为达上述目的,本公开第三方面实施例提出了一种电价预测模型权重获取装置,其特征在于,包括:获取模块,用于获取电价预测模型和历史电价数据,其中所述电价预测模型包括
BiLSTM
预测子模型和
XGBoost
预测子模型;生成模块,用于基于所述历史电价数据生成至少一个电价数据矩阵;输入模块,用于将所述电价数据矩阵分本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种电价预测模型权重获取方法,其特征在于,包括:获取电价预测模型和历史电价数据,其中所述电价预测模型包括
BiLSTM
预测子模型和
XGBoost
预测子模型;基于所述历史电价数据生成至少一个电价数据矩阵;将所述电价数据矩阵分别输入至
BiLSTM
预测子模型和
XGBoost
预测子模型中,以分别获取第一预测结果矩阵和第二预测结果矩阵;基于所述第一预测结果矩阵
、
所述第二预测结果矩阵和所述电价数据矩阵对应的真实结果矩阵,确定所述
BiLSTM
预测子模型的第一权重矩阵,和所述
XGBoost
预测子模型的第二权重矩阵
。2.
根据权利要求1所述的方法,其特征在于,所述基于所述历史电价数据生成至少一个电价数据矩阵,包括:获取多个预设时间戳和所述历史电价数据的时间戳;将所述历史电价数据与所述预设时间戳进行匹配,以获取每个预设时间戳的目标电价数据;基于多个预设时间戳和每个预设时间戳的目标电价数据,生成所述电价数据矩阵
。3.
根据权利要求2所述的方法,其特征在于,所述基于所述第一预测结果矩阵
、
所述第二预测结果矩阵和所述电价数据矩阵对应的真实结果矩阵,确定所述
BiLSTM
预测子模型的第一权重矩阵,和所述
XGBoost
预测子模型的第二权重矩阵,包括:针对任一预设时间戳,获取所述预设时间戳在所述第一预测结果矩阵中的第一预测结果,以及在所述第二预测结果矩阵中的第二预测结果,以及在真实结果矩阵中的真实结果;基于所述第一预测结果
、
所述第二预测结果和所述真实结果,确定所述预设时间戳对应的所述
BiLSTM
预测子模型的第一权重和所述
XGBoost
预测子模型的第二权重;基于所有预设时间戳对应的第一权重确定第一权重矩阵,以及基于所有预设时间戳对应的第二权重确定第二权重矩阵
。4.
根据权利要求3所述的方法,其特征在于,所述基于所述第一预测结果
、
所述第二预测结果和所述真实结果,确定所述预设时间戳对应的所述
BiLSTM
预测子模型的第一权重和所述
XGBoost
预测子模型的第二权重,包括:基于所述第一预测结果和所述真实结果进行相减计算第一误差,以及基于所述第二预测结果和所述真实结果进行相减计算第二误差;基于所述第一误差和所述第二误差,确定所述预设时间戳对应的预测误差向量;基于所述误差向量确定所述时间戳对应的误差信息矩阵;基于所述误差信息矩阵确定所述
BiLSTM
预测子模型的第一权重和所述
XGBoost
预测子模型的第二权重
。5.
根据权利要求4所述的方法,其特征在于,所述基于所述误差信息矩阵确定所述
BiLSTM
预测子模型的第一权重和所述
XGBoost
预测子模型的第二权重,包括:基于所述误差信息矩阵和权重矩阵,计算误差平方和,其中所述权重矩阵的第一元素对应所述
BiLSTM
预测子模型的第一权重,所述权重矩阵的第二元素对应所述
XGBoost
预测子模型的第二权重;确定所述误差平方和最小的情况下的所述权重矩阵为所述目标权重矩阵,并确定所述
...
【专利技术属性】
技术研发人员:王宝岳,钟明,安娜,黄思皖,王凯,史鉴恒,王春森,杨宁,江晨,
申请(专利权)人:宁夏金信光伏电力有限公司华能集团技术创新中心有限公司,
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。