基于元学习的小样本电力市场电价预测方法及系统技术方案

本发明专利技术提供一种基于元学习的小样本电力市场电价预测方法及系统，属于基于人工智能的电力市场分析技术领域，获取待预测区域的电力系统运行状态数据；利用预先训练好的电价预测模型对获取的电力系统运行状态数据进行处理，得到电价预测结果。本发明专利技术通过构建跨域共性特征提取网络与小样本元学习框架，解决了新电力市场因数据稀缺和规则频繁变更导致的预测模型失效问题，显著提升了电价预测在数据受限场景下的准确性、泛化性与适应性。

【技术实现步骤摘要】

本专利技术涉及基于人工智能的电力市场分析，具体涉及一种基于元学习的小样本电力市场电价预测方法及系统。

技术介绍

1、电力市场电价预测已成为电力系统运营和能源交易决策中的核心环节。准确的电价预测不仅关系到发电企业的经济效益、电网公司的调度计划，还直接影响电力用户的用电成本和市场参与策略。特别是在可再生能源占比不断提高、电力市场交易品种日益丰富的背景下，电价波动呈现出更强的非线性和不确定性特征，这对传统预测方法提出了严峻挑战。

2、传统的电力市场电价预测方法主要分为三类：第一类是基于时间序列分析的统计方法，如自回归积分滑动平均模型(arima)、广义自回归条件异方差模型(garch)等，这类方法依赖于电价序列的平稳性和线性假设；第二类是基于传统机器学习的方法，包括支持向量回归(svr)、随机森林(rf)和梯度提升决策树(gbdt)等，这类方法能够捕捉一定的非线性关系；第三类是深度学习方法，如长短期记忆网络(lstm)、门控循环单元(gru)和时序卷积网络(tcn)等，这类方法通过深层网络结构可以学习更复杂的时间依赖关系。然而，现有方法在应用于实际电本文档来自技高网...

【技术保护点】

1.一种基于元学习的小样本电力市场电价预测方法，其特征在于，包括：

2.根据权利要求1所述的基于元学习的小样本电力市场电价预测方法，其特征在于，在元训练阶段基于成熟省份构建任务集，采用改进的MAML++算法进行双层梯度优化并注入政策扰动与渐进学习策略，在新省份适配阶段通过融合电源结构匹配度、外送功率占比及政策文本相似度的市场相似度加权初始化参数，并实施两阶段微调，包括：先冻结空间关联建模的GCN层仅优化时序模块以适应目标省份特性，再进行全局参数轻量更新并注入关键场景数据，同时联合训练日前电价点预测、峰谷时段概率分布预测、新能源消纳风险预警和跨省输电价格灵敏度建模多任务；最后构...

【技术特征摘要】

1.一种基于元学习的小样本电力市场电价预测方法，其特征在于，包括：

2.根据权利要求1所述的基于元学习的小样本电力市场电价预测方法，其特征在于，在元训练阶段基于成熟省份构建任务集，采用改进的maml++算法进行双层梯度优化并注入政策扰动与渐进学习策略，在新省份适配阶段通过融合电源结构匹配度、外送功率占比及政策文本相似度的市场相似度加权初始化参数，并实施两阶段微调，包括：先冻结空间关联建模的gcn层仅优化时序模块以适应目标省份特性，再进行全局参数轻量更新并注入关键场景数据，同时联合训练日前电价点预测、峰谷时段概率分布预测、新能源消纳风险预警和跨省输电价格灵敏度建模多任务；最后构建动态环境在线适应机制，通过albert模型实时解析政策语义变更并设立预测偏差与波动率双阈值进行运行指标告警，触发参数回溯至元训练阶段保留的共性知识，并采用滚动时间窗进行增量微调，结合基于费舍尔信息矩阵的弹性权重约束保护关键参数以及通过残差分析生成对抗样本形成反馈闭环优化模型。

3.根据权利要求1所述的基于元学习的小样本电力市场电价预测方法，其特征在于，构建融合基础电价数据、电力系统运行数据、外部影响因素数据和市场参与者行为数据的多源时序数据库，并通过改进的孤立森林算法进行异常值检测与基于相似日法的智能修复、数据对齐与标准化、时空关联矩阵构建及衍生特征工程进行预处理。

4.根据权利要求3所述的基于元学习的小样本电力市场电价预测方法，其特征在于，所述多源时序数据库构建中的异常值处理具体包括：采用融合电力数据周期性、趋势性特征的改进孤立森林算法检测电价时序异常值，并基于相似日法匹配历史同期日期类型、天气及负荷水平相似的数据模式进行拟合替代修复。

5.根据权...

【专利技术属性】
技术研发人员：梁永强，杨冬，施磊，梁君，韩飞，关涛，郭俊峰，安海旺，张鹏，
申请(专利权)人：国家能源集团陕西电力有限公司，
类型：发明
国别省市：