【技术实现步骤摘要】
本专利技术涉及电价预测，具体是指一种基于机器学习的电力现货交易价格预测方法及系统。
技术介绍
1、基于机器学习的电力现货交易价格预测方法是指利用机器学习技术，通过分析历史电力市场数据和相关因素，以预测未来电力现货交易价格的一种方法。其作用在于帮助电力市场参与者（如发电厂、电力交易商等）根据市场变化做出更准确的决策，包括购买、售出和交易电力。
2、但是，在已有的电力现货交易价格预测方法中，存在着数据干扰项较多，数据质量较低进而影响后续的趋势分析和价格预测的技术问题；在已有的电力现货交易价格预测方法中，存在着数据内容缺少显著的趋势特征，影响数据趋势分析和价格预测效果的技术问题；在已有的电力现货交易价格预测方法中，存在着价格预测数据规格较大且参数较多，影响了价格预测的精准性和效率的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种基于机器学习的电力现货交易价格预测方法及系统，针对在已有的电力现货交易价格预测方法中，存在着数据干扰项较多，数据质量较低...
【技术保护点】
1.一种基于机器学习的电力现货交易价格预测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的电力现货交易价格预测方法，其特征在于：在步骤S21中，所述本征分解，具体为将所述交易时序数据分解为本征模函数，所述本征模函数，用于表示所述电力价格预测原始数据在不同时间尺度上的变化特征，所述本征分解的计算公式为：
3.根据权利要求2所述的一种基于机器学习的电力现货交易价格预测方法，其特征在于：在步骤S22中，所述高频消除，具体为通过消除高频本征模函数输出进行噪声滤除，得到去噪序列数据，计算公式为：
4.根据权利...
【技术特征摘要】
1.一种基于机器学习的电力现货交易价格预测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的电力现货交易价格预测方法，其特征在于：在步骤s21中，所述本征分解，具体为将所述交易时序数据分解为本征模函数，所述本征模函数，用于表示所述电力价格预测原始数据在不同时间尺度上的变化特征，所述本征分解的计算公式为：
3.根据权利要求2所述的一种基于机器学习的电力现货交易价格预测方法，其特征在于：在步骤s22中，所述高频消除，具体为通过消除高频本征模函数输出进行噪声滤除，得到去噪序列数据，计算公式为：
4.根据权利要求3所述的一种基于机器学习的电力现货交易价格预测方法，其特征在于：在步骤s23中，所述序列重建，具体为通过所述高频消除得到的去噪序列数据进行序列重建，得到重建交易时序数据；
5.根据权利要求4所述的一种基于机器学习的电力现货交易价格预测方法，其特征在于：在步骤s3中，所述趋势数据分解，具体为采用局部加权回归的方法进行趋势数据分解，包括以下步骤：
6.根据权利要求5所述的一种基于机器学习的电力现货交易价格预测方...
【专利技术属性】
技术研发人员：徐继祥，陈海民，贺道道，王力，
申请(专利权)人：国能浙江能源销售有限公司，
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。