【技术实现步骤摘要】
本专利技术涉及电价预测，尤其涉及一种电价预测方法、装置、计算机设备及存储介质。
技术介绍
1、电力市场是电力体制改革的必要产物，其出现使得电力行业更加高效、灵活地运作。电价作为电力市场的重要信息，能够引导市场参与者在资源配置、生产计划等方面做出合理决策。准确的电价预测在电力市场具有重要意义。
2、因此，当前电力市场亟需一种能有效保障电价预测准确度的电价预测方法。
技术实现思路
1、本专利技术提供一种电价预测方法、装置、计算机设备及存储介质，可以有效实现电价预测并保障预测结果的准确度。
2、第一方面，本专利技术提供一种电价预测方法，所述方法包括：
3、对电价时间序列执行变换与重构处理，以生成与所述电价时间序列对应的目标概貌序列和多个细节序列；
4、在所述目标概貌序列和所述多个细节序列中确定出至少一个具有强长期依赖性的第一序列以及至少一个具有弱长期依赖性的第二序列；
5、分别将每个所述第一序列输入至训练好的长期依赖性电价预测模型中进行时间序列预测，得到每个所述第一序列对应的第一预测序列；以及，分别将每个所述第二序列输入至训练好的季节性电价预测模型中进行时间序列预测，得到每个所述第二序列对应的第二预测序列；
6、将每个所述第一预测序列与每个所述第二预测序列进行求和，得到电价预测序列；
7、其中，所述长期依赖性电价预测模型为使用具有强长期依赖性的样本电价序列对第一预训练模型进行训练得到，所述季节性电价预测模
8、可选的，所述变换与重构处理中包括多尺度分解和重构处理；所述对电价时间序列执行变换与重构处理，以生成与所述电价时间序列对应的目标概貌序列和多个细节序列，包括：
9、对所述电价时间序列执行多尺度分解，以生成目标近似系数序列和多个细节系数序列；
10、对所述目标近似系数序列进行重构处理，生成所述目标概貌序列；以及，对每个所述细节系数序列进行重构处理，生成所述多个细节序列。
11、可选的，所述对所述电价时间序列执行多尺度分解，以生成目标近似系数序列和多个细节系数序列，包括：
12、对所述电价时间序列执行分解，生成第一近似系数序列和第一细节系数序列；对所述第一近似系数序列进行分解，生成第二近似系数序列和第二细节系数序列，对所述第二近似系数序列进行分解，直至达到预设分解次数以及得到最终近似系数序列和最终细节系数序列；
13、将所述最终近似系数序列确定为所述目标近似系数序列，并将分解生成的所有细节系数序列作为所述多个细节系数序列。
14、可选的，所述在所述目标概貌序列和所述多个细节序列中确定出至少一个具有强长期依赖性的第一序列以及至少一个具有弱长期依赖性的第二序列，包括：
15、分别确定所述目标概貌序列和每个所述细节序列的赫斯特hurst指数；
16、在所述目标概貌序列和所述多个细节序列中，将所述hurst指数不小于预设阈值的序列确定为所述第一序列，以及将所述hurst指数小于所述预设阈值的序列确定为待处理序列；
17、基于所述待处理序列的自相关系数和偏自相关系数，在所有所述待处理序列中确定所述第一序列和/或所述至少一个具有弱长期依赖性的第二序列。
18、可选的，所述基于所述待处理序列的自相关系数和偏自相关系数，在所有所述待处理序列中确定所述第一序列和/或所述至少一个具有弱长期依赖性的第二序列，包括：
19、分别确定每个所述待处理序列的第一相关系数和第二相关系数，所述第一相关系数和所述第二相关系数分别为所述待处理序列滞后k阶的自相关系数和偏自相关系数；
20、针对任一所述待处理序列：若所述待处理序列的所述第一相关系数未满足第一设定条件且所述第二相关系数未满足第二设定条件，则确定所述待处理序列为所述第一序列；若所述待处理序列的所述第一相关系数满足第一设定条件，或所述第二相关系数满足第二设定条件，则确定所述待处理序列为所述第二序列。
21、可选的，所述第一设定条件为：
22、
23、所述第二设定条件为：
24、
25、其中，k1和k2为选取的序列滞后阶数，acfk和pacfk分别为所述第一相关系数和所述第二相关系数，α1和α2分别为所述第一相关系数和所述第二相关系数的置信区间。
26、第二方面，本专利技术提供一种电价预测装置，所述装置包括：
27、处理单元，用于对电价时间序列执行变换与重构处理，以生成与所述电价时间序列对应的目标概貌序列和多个细节序列；
28、第一确定单元，用于在所述目标概貌序列和所述多个细节序列中确定出至少一个具有强长期依赖性的第一序列以及至少一个具有弱长期依赖性的第二序列；
29、第一预测单元，用于分别将每个所述第一序列输入至训练好的长期依赖性电价预测模型中进行时间序列预测，得到每个所述第一序列对应的第一预测序列；
30、第二预测单元，用于分别将每个所述第二序列输入至训练好的季节性电价预测模型中进行时间序列预测，得到每个所述第二序列对应的第二预测序列；
31、求和单元，用于将每个所述第一预测序列与每个所述第二预测序列进行求和，得到电价预测序列；
32、其中，所述长期依赖性电价预测模型为使用具有强长期依赖性的样本电价序列对第一预训练模型进行训练得到，所述季节性电价预测模型为使用具有弱长期依赖性的样本电价序列对第二预训练模型进行训练得到。
33、第三方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的电价预测方法。
34、第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的电价预测方法。
35、本专利技术提供的电价预测方法、装置、计算机设备及存储介质，可以通过对电价时间序列执行变换与重构处理，生成目标概貌序列和多个细节序列，提取电价时间序列的趋势与细节特征，在目标概貌序列和多个细节序列中确定出至少一个具有强长期依赖性的第一序列以及至少一个具有弱长期依赖性的第二序列，分别使用长期依赖性电价预测模型和季节性电价预测模型对第一序列和第二序列进行时间序列预测，即针对不同长期依赖性的序列使用适用的电价预测模型进行时间序列预测，并将预测结果进行求和得到电价预测序列，可以有效实现电价预测并保障预测结果的准确度。
本文档来自技高网...【技术保护点】
1.一种电价预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述变换与重构处理中包括多尺度分解和重构处理；所述对电价时间序列执行变换与重构处理，以生成与所述电价时间序列对应的目标概貌序列和多个细节序列，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述电价时间序列执行多尺度分解，以生成目标近似系数序列和多个细节系数序列，包括：
4.根据权利要求1所述的方法，其特征在于，所述在所述目标概貌序列和所述多个细节序列中确定出至少一个具有强长期依赖性的第一序列以及至少一个具有弱长期依赖性的第二序列，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述待处理序列的自相关系数和偏自相关系数，在所有所述待处理序列中确定所述第一序列和/或所述至少一个具有弱长期依赖性的第二序列，包括：
6.根据权利要求5所述的方法，其特征在于，所述第一设定条件为：
7.根据权利要求1所述的方法，其特征在于，所述第一预测序列和所述第二预测序列中的元素长度相等；
8.一种电价预测装置，
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的电价预测方法。
...【技术特征摘要】
1.一种电价预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述变换与重构处理中包括多尺度分解和重构处理；所述对电价时间序列执行变换与重构处理，以生成与所述电价时间序列对应的目标概貌序列和多个细节序列，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述电价时间序列执行多尺度分解，以生成目标近似系数序列和多个细节系数序列，包括：
4.根据权利要求1所述的方法，其特征在于，所述在所述目标概貌序列和所述多个细节序列中确定出至少一个具有强长期依赖性的第一序列以及至少一个具有弱长期依赖性的第二序列，包括：
5.根据权利要求4所述的方法，...
【专利技术属性】
技术研发人员：郭钰锋，杜奕林，田雪沁，德格吉日夫，杨馥源，许卓璠，邹鹏，贾健雄，王磊，王瑛玮，王璞，陈龙翔，
申请(专利权)人：哈尔滨工业大学，
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。