【技术实现步骤摘要】
本专利技术涉及电力日前市场的辅助服务调峰领域，具体涉及一种基于k-均值聚类算法的电价分档预测方法及系统。
技术介绍
1、风电大基地由于外送通道短缺、当地消纳不足，弃风率达到峰值，平均弃风率超过20％，部分地区弃风率一度接近100％。为建立调峰辅助市场化新机制，发挥市场在调峰资源配置中的决定性作用，充分挖掘电网及各省网调峰资源，保障电网安全稳定运行，提升风电、光伏等新能源消纳空间，实现调峰责任在不同市场主体之间的公平分摊，电力市场引入了调峰机制。调峰辅助服务市场自启动以来，取得了良好成效。在调峰市场中，价格预测是各个市场主体关心的关键环节，然而单纯的价格预测算法存在以下缺陷：1.难以对极端高电价做出准确的数值预测。2.难以对零电价做出准确的数值预测。3.各个时段的电价预测存在误差，颠倒了不同时段的电价高低关系，这往往会导致失败的决策。
技术实现思路
1、为了解决现有技术中极端高电价和零电价预测中出现的预测不准问题的问题，本专利技术提出了一种基于k-均值聚类算法的电价分档预测方法，包括：
2、基于获取的数据进行归一化处理，得到归一化后的数据；
3、基于所述归一化的数据结合预先构建的电价预测模型进行计算，得到预测的调峰电价；
4、基于所述预测的调峰电价结合预先构建的电价分档模型进行计算，得到电价分档结果；
5、其中，所述电价预测模型是基于所述归一化的数据进行调峰电价预测构建得到的；
6、所述电价分档模型是基于所述预测的调峰电价进
7、优选的，还包括电价预测模型的构建过程，所述电价预测模型的构建过程包括：
8、基于所述归一化后的数据结合轻量梯度提升机器算法、预言家算法、神经预言者算法、长短时记忆算法、支持向量机、随机森林和自回归积分移动平均算法进行计算得到的各个预测结果作为输入变量；
9、基于所述输入变量利用bp神经网络确定各个预测结果的权重值；
10、基于所述各个预测结果的权重值结合所述各个预测结果进行计算，得到预测的调峰电价。
11、优选的，还包括电价分档模型的构建过程，所述电价分档模型的构建过程包括：
12、基于所述预测的调峰电价作为输入数据；
13、基于所述输入数据进行自适应分档计算得到电价分档结果，构建电价分档模型。
14、优选的，所述基于所述预测的调峰电价结合预先构建的电价分档模型进行计算，得到电价分档结果，包括：
15、基于所述预测的调峰电价的种类数进行判定，若所述种类数小于或等于设定值则将所述预测的调峰电价按照种类数进行分档；
16、否则判断所述预测的调峰电价是否包含零电价，若所述预测的调峰电价包含零电价，则将零电价划分为一档并将其余的预测的调峰电价利用k-means算法进行聚类分档；
17、否则基于所述预测的调峰电价利用k-means算法进行聚类分档，得到电价分档结果。
18、优选的，所述数据包括：天气状态、温度预测数据、降水预测数据、风速预测数据、风向数据、气压预测数据、湿度预测数据、运量预测数据、日期类型和历史电价数据。
19、基于统一专利技术构思，本专利技术还提出了一种基于k-均值聚类算法的电价分档预测系统，包括：
20、数据预处理模块，用于基于获取的数据进行归一化处理，得到归一化后的数据；
21、电价预测模块，用于基于所述归一化的数据结合预先构建的电价预测模型进行计算，得到预测的调峰电价；
22、电价分档模块，用于基于所述预测的调峰电价结合预先构建的电价分档模型进行计算，得到电价分档结果；
23、其中，所述电价预测模型是基于所述归一化的数据进行调峰电价预测构建得到的；
24、所述电价分档模型是基于所述预测的调峰电价进行自适应电价分档构建得到的。
25、优选的，还包括电价预测模型的构建模块，所述电价预测模型的构建模块，具体用于：
26、基于所述归一化后的数据结合轻量梯度提升机器算法、预言家算法、神经预言者算法、长短时记忆算法、支持向量机、随机森林和自回归积分移动平均算法进行计算得到的各个预测结果作为输入变量；
27、基于所述输入变量利用bp神经网络确定各个预测结果的权重值；
28、基于所述各个预测结果的权重值结合所述各个预测结果进行计算，得到预测的调峰电价。
29、优选的，还包括电价分档模型的构建模块，所述电价分档模型的构建模块，具体用于：
30、基于所述预测的调峰电价作为输入数据；
31、基于所述输入数据进行自适应分档计算得到电价分档结果，构建电价分档模型。
32、优选的，所述电价分档模块，具体用于：
33、基于所述预测的调峰电价的种类数进行判定，若所述种类数小于或等于设定值则将所述预测的调峰电价按照种类数进行分档；
34、否则判断所述预测的调峰电价是否包含零电价，若所述预测的调峰电价包含零电价，则将零电价划分为一档并将其余的预测的调峰电价利用k-means算法进行聚类分档；
35、否则基于所述预测的调峰电价利用k-means算法进行聚类分档，得到电价分档结果。
36、优选的，所述数据预处理模块中的数据包括：天气状态、温度预测数据、降水预测数据、风速预测数据、风向数据、气压预测数据、湿度预测数据、运量预测数据、日期类型和历史电价数据。
37、与现有技术相比，本专利技术的有益效果为：
38、一种基于k-均值聚类算法的电价分档预测方法及系统，包括：基于获取的数据进行归一化处理，得到归一化后的数据；基于所述归一化的数据结合预先构建的电价预测模型进行计算，得到预测的调峰电价；基于所述预测的调峰电价结合预先构建的电价分档模型进行计算，得到电价分档结果；其中，所述电价预测模型是基于所述归一化的数据进行调峰电价预测构建得到的；所述电价分档模型是基于所述预测的调峰电价进行自适应电价分档构建得到的；本专利技术提出的电价预测模型可以提高电价预测中极端高电价和零电价的判断精度；自适应电价分档可以根据预测的调峰电价动态的、自适应的调整价格分档标准，提高了决策的正确性。
本文档来自技高网...【技术保护点】
1.一种基于K-均值聚类算法的电价分档预测方法，其特征在于，包括：
2.根据权利要求1所述方法，其特征在于，还包括电价预测模型的构建过程，所述电价预测模型的构建过程包括：
3.根据权利要求1所述方法，其特征在于，还包括电价分档模型的构建过程，所述电价分档模型的构建过程包括：
4.根据权利要求1所述方法，其特征在于，所述基于所述预测的调峰电价结合预先构建的电价分档模型进行计算，得到电价分档结果，包括：
5.根据权利要求1所述方法，其特征在于，所述数据包括：天气状态、温度预测数据、降水预测数据、风速预测数据、风向数据、气压预测数据、湿度预测数据、运量预测数据、日期类型和历史电价数据。
6.一种基于K-均值聚类算法的电价分档预测系统，其特征在于，包括：
7.根据权利要求6所述系统，其特征在于，还包括电价预测模型的构建模块，所述电价预测模型的构建模块，具体用于：
8.根据权利要求6所述系统，其特征在于，还包括电价分档模型的构建模块，所述电价分档模型的构建模块，具体用于：
9.根据权利要求6所述
10.根据权利要求6所述系统，其特征在于，所述数据预处理模块中的数据包括：天气状态、温度预测数据、降水预测数据、风速预测数据、风向数据、气压预测数据、湿度预测数据、运量预测数据、日期类型和历史电价数据。
...【技术特征摘要】
1.一种基于k-均值聚类算法的电价分档预测方法，其特征在于，包括：
2.根据权利要求1所述方法，其特征在于，还包括电价预测模型的构建过程，所述电价预测模型的构建过程包括：
3.根据权利要求1所述方法，其特征在于，还包括电价分档模型的构建过程，所述电价分档模型的构建过程包括：
4.根据权利要求1所述方法，其特征在于，所述基于所述预测的调峰电价结合预先构建的电价分档模型进行计算，得到电价分档结果，包括：
5.根据权利要求1所述方法，其特征在于，所述数据包括：天气状态、温度预测数据、降水预测数据、风速预测数据、风向数据、气压预测数据、湿度预测数据、运量预测数据、日期类型和历史电价...
【专利技术属性】
技术研发人员：王文，杨烨，屈宪军，徐科，秦俭，李培军，张晓晴，颜必行，吴春燕，
申请(专利权)人：国网智慧车联网技术有限公司，
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。