【技术实现步骤摘要】
本专利技术属于电力市场，尤其涉及一种基于电网披露数据和气象数据的电价预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、近年来，随着中国电力市场建设不断推进，电力交易逐步进入现货时代；由于现货市场的日前电力价格每日随行情波动，因此发电侧企业进入现货市场时不可避免地将面临交易风险；新能源发电企业更是由于自身“看天吃饭”的出力特性，将面临更大的市场风险；如何使得新能源发电企业在现货交易中通过准确预估短期电价(日前电价和实时电价)走势和变化，把握市场走向，掌握市场先机，构造最优的电量、电价交易策略，从而制定针对性的交易策略实现收益最大化是各新能源发电企业的难题；而且，在电力市场环境下，短期电价的分析预测对于现货市场参与者而言具有非常重要的意义，日前电价与实时电价之间价差的分析预测对交易策略的支持更为直接有效，因此短期电价预测和价差预测，都是研究的热门方向。
3、但由于电价的定价机制颇为复杂,受供需关系及市场所在输电网络安全约束和经济约束所影响，精确求解需要了解全网各节点的出力计划、机组出力特性、负荷需求情况、线路容量、阻塞情况、基本气象要素走势情况等大量数据，通常发电企业难以获得整个市场的精细化数据，在不具备完整数据的情况下难以使用物理模型或传统的统计模型进行求解，无法满足精度及实际场景的需要；而且对日前电价和实时电价分别进行预测的方案，尽管单独的模型预测可能精度较好，但两者的价格差的趋势变化可能并不准确，价格差的准确率会对交易策略的制定产生较大的影
4、现有的电价预测模型，未综合考虑全省的输电通道可用容量、调频需求容量、负荷预测、水电出力预测、断面约束、煤电价格预测、峰谷平用电时间规律、天气条件等因素对电价的影响；常规的回归预测模型、机器学习预测模型，在现货市场电价预测的评价指标较为单一，模型的泛化性较差。而深度学习方法更能从给定的特征中抽象的高维度特征，实现端到端学习，能使交易日电力市场的电价预测达到更高的精度、预测速率更快。
技术实现思路
1、为克服上述现有技术的不足，本专利技术提供了一种基于电网披露数据和气象数据的电价预测方法及系统，综合考虑全省的输电通道可用容量、调频需求容量、负荷预测、水电出力预测、断面约束、煤电价格预测、峰谷平用电时间规律、天气条件等因素对电价预测的影响，结合深度神经网络模型对交易日的电价进行预测，并将平均绝对误差和电价预测准确率作为评价指标，衡量模型的泛化性。
2、为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
3、本专利技术第一方面提供了一种基于电网披露数据和气象数据的电价预测方法；
4、一种基于电网披露数据和气象数据的电价预测方法，包括：
5、收集预测模型所需的电价高影响因子数据，所述电价高影响因子，包括天气影响因素的相关因子；
6、对收集的数据进行预处理，并以特定格式进行排列，得到数据集；
7、用数据集对构建的电价预测模型进行训练；
8、利用训练好的电价预测模型预测电价，得到预测的电价。
9、进一步的，从市场供需侧数据和现货电力价格数据中收集电价高影响因子数据；
10、所述电价高影响因子，还包括新能源负荷预测、不同通道的联络线计划、输电通道可用容量、调频需求容量、省内负荷预测、水电出力预测、影响用电时间规律；
11、所述天气影响因素，具体包括温度、气压、风速、降水。
12、进一步的，对收集的电价高影响因子进行特征筛选，通过皮尔逊相关系数检查两个变量之间变化趋势的方向以及程度，将相关系数较低的因子进行剔除处理。
13、进一步的，所述预处理，包括数据清洗、缺测检验、标准化。
14、进一步的，所述以特定格式进行排列，将预处理后的数据处理成以影响因子为输入、以电价数据为输出两两对应的时间序列。
15、进一步的，所述电价预测模型，基于深度神经网络，选取均方误差mean squareerror作为损失函数、平均绝对误差mean absolute error作为评价精度，引入电价预测准确率指标acc。
16、进一步的，所述数据集，分为用于模型拟合的训练集、用于模型超参数调整的验证集、用于检验训练的模型是否具有泛化能力的测试集。
17、本专利技术第二方面提供了一种基于电网披露数据和气象数据的电价预测系统。
18、一种基于电网披露数据和气象数据的电价预测系统，包括数据收集模块、数据预处理模块、模型训练模块和电价预测模块；
19、数据收集模块，被配置为：收集预测模型所需的电价高影响因子数据，所述电价高影响因子，包括天气影响因素的相关因子；
20、数据预处理模块，被配置为：对收集的数据进行预处理，并以特定格式进行排列，得到数据集；
21、模型训练模块，被配置为：用数据集对构建的电价预测模型进行训练；
22、电价预测模块，被配置为：利用训练好的电价预测模型预测电价，得到预测的电价。
23、本专利技术第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的一种基于电网披露数据和气象数据的电价预测方法中的步骤。
24、本专利技术第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的一种基于电网披露数据和气象数据的电价预测方法中的步骤。
25、以上一个或多个技术方案存在以下有益效果：
26、本专利技术综合考虑全省风电负荷预测、光伏负荷预测、各通道联络线计划、输电通道可用容量、统调负荷预测、水电出力预测、用电时间规律、包含温度气压风速降水等气象要素对日前电价预测有影响的因子，结合深度神经网络模型对交易日的电价进行预测，并将平均绝对误差和电价预测准确率作为评价指标，衡量模型的泛化性，建立的模型与现有的电价预测模型相比，考虑的变量因子更全面，同时增加了准确率评价指标，模型更具有泛化性。
27、本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于电网披露数据和气象数据的电价预测方法，其特征在于，包括：
2.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，从市场供需侧数据和现货电力价格数据中收集电价高影响因子数据；
3.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，对收集的电价高影响因子进行特征筛选，通过皮尔逊相关系数检查两个变量之间变化趋势的方向以及程度，将相关系数较低的因子进行剔除处理。
4.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，所述预处理，包括数据清洗、缺测检验、标准化。
5.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，所述以特定格式进行排列，将预处理后的数据处理成以影响因子为输入、以电价数据为输出两两对应的时间序列。
6.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，所述电价预测模型，基于深度神经网络，选取均方误差Mean Square Error作为损失函数、平均绝对误差Mean Abs
7.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，所述数据集，分为用于模型拟合的训练集、用于模型超参数调整的验证集、用于检验训练的模型是否具有泛化能力的测试集。
8.一种基于电网披露数据和气象数据的电价预测系统，其特征在于，包括数据收集模块、数据预处理模块、模型训练模块和电价预测模块；
9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种基于电网披露数据和气象数据的电价预测方法中的步骤。
10.电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种基于电网披露数据和气象数据的电价预测方法中的步骤。
...【技术特征摘要】
1.一种基于电网披露数据和气象数据的电价预测方法，其特征在于，包括：
2.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，从市场供需侧数据和现货电力价格数据中收集电价高影响因子数据；
3.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，对收集的电价高影响因子进行特征筛选，通过皮尔逊相关系数检查两个变量之间变化趋势的方向以及程度，将相关系数较低的因子进行剔除处理。
4.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，所述预处理，包括数据清洗、缺测检验、标准化。
5.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，所述以特定格式进行排列，将预处理后的数据处理成以影响因子为输入、以电价数据为输出两两对应的时间序列。
6.如权利要求1所述的一种基于电网披露数据和气象数据的电价预测方法，其特征在于，所述电价预测模型，基于深...
【专利技术属性】
技术研发人员：汪佳伟，胡天慧，高乐，许晓林，耿福海，王冠，
申请(专利权)人：上海能源科技发展有限公司，
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。