【技术实现步骤摘要】
本专利技术属于电力预测，具有涉及一种日前电价预测方法、系统、设备及存储介质。
技术介绍
1、电价预测对电力企业和电力需求客户显得尤为重要，准确地预测电价有利于电力企业参与市场交易，优化电力交易策略，同时，电力需求客户可以依据预测电价制定合理的用电计划，降低用电成本，有效避免高峰期用电。
2、电价具有两个特征：(1)非线性与波动性(2)周期性与均值回复性。电价具有非线性与波动性的特征，神经网络算法具有较强逼近非线性函数的能力，现有的电价预测模型后期收敛速度慢，极易陷入局部极值的缺点。电价具有周期性与均值回复性的特征，是典型的时间序列，现有的电力预测模型所得到的预测电价非线性残差，对数据的适应范围较窄。由于电价本身特征决定了其受多重因素的影响，导致预测难度较大，当前电价预测模型的精度无法达到电力企业和电力需求客户的要求。
3、现有的电价预测方法在市场供求关系、市场参与者实施市场力大小、电力成本以及电力市场体制结构、社会经济形势等电价影响因素不稳定情况下往往表现较差，所获取的电价预测结果不准确，并且预测效率低下，难以精确预测未来电价的走势，导致电力需求客户及供电企业无法进行参考，亟需做出合理的决策。
技术实现思路
1、针对现有技术中存在的电价预测结果不准确，并且预测效率低下的问题，本专利技术提供了一种日前电价预测方法，解决了电价预测效率低下的问题，提高了电价预测结果的准确性，为电力需求客户及供电企业提供可靠的参考依据。
2、为达到上述目的，本专利技术采
3、一种日前电价预测方法，包括
4、通过相似日筛选模型，得到电力市场电价待预测日的相似日；
5、根据长短期记忆模型和门控制单元模型，建立基于相似日的电力市场日前电价预测模型；
6、使用电力市场日前电价预测模型，对预测日当天电价进行预测。
7、作为本专利技术的进一步改进，所述电力交易市场的相似日是通过建立基于加权灰色关联法的相似日筛选模型，将加权灰色关联度值由大到小排序，取排在前50％所对应的历史日作为相似日。
8、作为本专利技术的进一步改进，所述长短期记忆模型和门控制单元模型，经过相似日电价信息进行训练之后，建立基于相似日的电力市场日前电价预测模型。
9、作为本专利技术的进一步改进，所述相似日电价信息需要经过标准号处理具体表达如下：
10、
11、式中，vt(ni)为历史日第t天第i个因素的初始值，xt(ni)表示历史日中第t天的第i个因素经标准化的值。
12、作为本专利技术的进一步改进，所述预测日当天电价进行预测，是将电力交易市场的历史日前电力现货市场历史数据集输入进电力市场日前电价预测模型所获取的。
13、作为本专利技术的进一步改进，所述基于历史日前电力现货市场历史数据是通过对获取三个月以上的电力现货市场交易中的历史日前省调负荷、联络线、新能源出力、水电出力、非市场化出力、日前电价及火电空间数据，填充异常值或缺失值并对所有数据进行标准化处理得到的。
14、作为本专利技术的进一步改进，所述填充异常值或缺失值的具体表达如下：
15、sn＝0.5sn-1+0.5sn+1
16、式中，sn为待补充的缺失值或异常值，sn-1为sn前一时刻的实际值、sn+1为sn后一时刻的实际值。
17、一种日前电价预测系统，包括：
18、筛选模块：用于通过相似日筛选模型，得到电力市场电价待预测日的相似日；
19、模型建立模块：用于根据长短期记忆模型和门控制单元模型，建立基于相似日的电力市场日前电价预测模型；
20、预测模块：用于使用电力市场日前电价预测模型，对预测日当天电价进行预测。
21、一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种日前电价预测方法的步骤。
22、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述一种日前电价预测方法的步骤。
23、与现有技术相比，本专利技术具有以下有益效果：
24、将长短时记忆神经网络与门控循环单元神经网络进行结合的模型相对于lstm和gru模型具有更快的训练速度、更高的准确性和更好的泛化能力，能够最大限度地利用2种模型的优点，同时弥补单个模型在预测过程中的不足，从而提高预测性能、提高预测精度。建立的模型主要采用随机梯度下降法，相比于传统的批量梯度下降法，它的计算速度更快，也使得它更快地收敛到局部最优解，可以在每次更新时随机选择样本，使它不容易陷入局部最小值，有助于找到全局最优解；同时随机梯度下降法可以支持在线学习，这意味着可以在不断获取新数据的同时，持续地更新模型的系数，以适应不断变化的数据。因此，本专利技术能够解决电价预测效率低下的问题，并且提高了电价预测结果的准确性，为电力需求客户及供电企业提供可靠的参考依据，使得电力需求客户可以依据预测电价制定合理的用电计划，降低用电成本，有效避免高峰期用电，同时电力企业可以依据预测结果制定交易策略，获得更多收益。
本文档来自技高网...【技术保护点】
1.一种日前电价预测方法，其特征在于，包括
2.根据权利要求1所述的一种日前电价预测方法，其特征在于，所述电力交易市场的相似日是通过建立基于加权灰色关联法的相似日筛选模型，将加权灰色关联度值由大到小排序，取排在前50％所对应的历史日作为相似日。
3.根据权利要求1所述的一种日前电价预测方法，其特征在于，所述长短期记忆模型和门控制单元模型，经过相似日电价信息进行训练之后，建立基于相似日的电力市场日前电价预测模型。
4.根据权利要求3所述的一种日前电价预测方法，其特征在于，所述相似日电价信息需要经过标准化处理，具体表达如下：
5.根据权利要求1所述的一种日前电价预测方法，其特征在于，所述预测日当天电价进行预测，是将电力交易市场的历史日前电力现货市场历史数据集输入进电力市场日前电价预测模型所获取的。
6.根据权利要求5所述的一种日前电价预测方法，其特征在于，所述基于历史日前电力现货市场历史数据是通过对获取三个月以上的电力现货市场交易中的历史日前省调负荷、联络线、新能源出力、水电出力、非市场化出力、日前电价及火电空间数据，填充异
7.根据权利要求6所述的一种日前电价预测方法，其特征在于，所述填充异常值或缺失值的具体表达如下：
8.一种日前电价预测系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-7任一项所述一种日前电价预测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述一种日前电价预测方法的步骤。
...【技术特征摘要】
1.一种日前电价预测方法，其特征在于，包括
2.根据权利要求1所述的一种日前电价预测方法，其特征在于，所述电力交易市场的相似日是通过建立基于加权灰色关联法的相似日筛选模型，将加权灰色关联度值由大到小排序，取排在前50％所对应的历史日作为相似日。
3.根据权利要求1所述的一种日前电价预测方法，其特征在于，所述长短期记忆模型和门控制单元模型，经过相似日电价信息进行训练之后，建立基于相似日的电力市场日前电价预测模型。
4.根据权利要求3所述的一种日前电价预测方法，其特征在于，所述相似日电价信息需要经过标准化处理，具体表达如下：
5.根据权利要求1所述的一种日前电价预测方法，其特征在于，所述预测日当天电价进行预测，是将电力交易市场的历史日前电力现货市场历史数据集输入进电力市场日前电价预测模型所获取的。
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：徐波丰，李胜，王宗尧，骆可，黄耀真，孙嘉伟，王蕊超，王会霞，张帅，
申请(专利权)人：特变电工新疆新能源股份有限公司，
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。