一种电力现货市场日前电价的预测方法、电子设备与流程

文档序号:37429672发布日期:2024-03-25 19:20阅读:来源:国知局

技术特征:

1.一种电力现货市场日前电价的预测方法,其特征在于,包括步骤:

2.如权利要求1所述的预测方法,其特征在于,筛选特征包括步骤:

3.如权利要求1所述的预测方法,其特征在于,所述衍生特征包括:

4.如权利要求1所述的预测方法,其特征在于,填补缺失值包括步骤:

5.如权利要求1所述的预测方法,其特征在于,所述方差稳定转换包括对数变换或双曲正弦变换。

6.如权利要求1所述的预测方法,其特征在于,所述归一化处理包括正态标准化处理。

7.如权利要求1所述的预测方法,其特征在于,对特征进行编码包括步骤:

8.如权利要求1所述的预测方法,其特征在于,所述预测模型包括:

9.如权利要求1所述的预测方法,其特征在于,所述预测模型的训练包括步骤:

10.如权利要求9所述的预测方法,其特征在于,所述预测模型的训练还包括在对所述训练集的特征进行编码前,进行数据增强,其中所述数据增强包括步骤:

11.如权利要求9所述的预测方法,其特征在于,所述预测模型的训练采用平滑平均绝对误差作为损失函数。

12.一种用于预测电力现货市场日前电价的电子设备,其特征在于,包括存储器以及处理器,其中所述存储器被配置为存储计算机程序,所述计算机程序在所述处理器运行时执行如权利要求1至11任一所述的预测方法。


技术总结
本发明公开一种电力现货市场日前电价的预测方法,其首先根据相关性,从电力现货市场的公开披露数据中筛选特征,并基于筛选得到的特征进行衍生,得到衍生特征,然后对筛选得到的特征及衍生特征进行填补缺失值、方差稳定转换以及归一化处理,并进行编码,将其映射到维度一致的高维空间,最后将编码后的数据输入到训练后的基于Transformer的多变量时序预测及自监督表示学习的模型,得到预测电价。该预测方法基于日前电价形成的过程,将特征衍生、基于深度学习的长时序预测方法融合,捕捉电价长短期变化模式和多特征之前的耦合关系,有效提升了电价预测的精度及效率。

技术研发人员:孔令斌,石良君,徐峰,谭江浩
受保护的技术使用者:广州汇电云联数科能源有限公司
技术研发日:
技术公布日:2024/3/24
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1