[發(fā)明專利]一種電價(jià)超短期預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810445016.1
• 申請(qǐng)日: 2018-05-10
• 公開（公告）號(hào): CN108647824A
• 公開（公告）日: 2018-10-12
• 發(fā)明（設(shè)計(jì)）人: 曾云;殷豪;孟安波
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N99/00;G06Q30/02;G06Q50/06
• 代理公司: 廣東廣信君達(dá)律師事務(wù)所 44329
• 代理人: 楊曉松

1.一種電價(jià)超短期預(yù)測(cè)方法，其特征在于：包括如下步驟：

S1：獲取電價(jià)歷史數(shù)據(jù)并對(duì)電價(jià)歷史數(shù)據(jù)做預(yù)處理獲得電價(jià)序列；

S2：利用奇異譜分析直接提取電價(jià)序列的趨勢(shì)成分、振蕩成分、噪聲成分；

S3：過濾掉噪聲成分，并采用奇異譜序列對(duì)降噪后的趨勢(shì)成分和振蕩成分序列進(jìn)行重構(gòu)獲得訓(xùn)練樣本；

S4：動(dòng)態(tài)選擇訓(xùn)練樣本，建立布谷鳥算法優(yōu)化極限學(xué)習(xí)機(jī)的預(yù)測(cè)模型；

S5：對(duì)趨勢(shì)成分和振蕩成分序列采用布谷鳥算法優(yōu)化極限學(xué)習(xí)機(jī)模型進(jìn)行提前0.5h預(yù)測(cè)獲得子序列；

S6：疊加各子序列的預(yù)測(cè)值，得到實(shí)際預(yù)測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種電價(jià)超短期預(yù)測(cè)方法，其特征在于：在步驟一中，所述電價(jià)歷史數(shù)據(jù)包括連續(xù)2周的電價(jià)數(shù)據(jù)，時(shí)間分辨率為0.5h，即一天包含48個(gè)數(shù)據(jù)點(diǎn)。

3.根據(jù)權(quán)利要求1所述的一種電價(jià)超短期預(yù)測(cè)方法，其特征在于：在步驟三中，所述訓(xùn)練樣本為前600個(gè)歷史電價(jià)數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的一種電價(jià)超短期預(yù)測(cè)方法，其特征在于：步驟S3具體包括如下步驟：

S31：SSA主要用于將一維時(shí)間序列Y＝(y₁,y₂,…,y_N)根據(jù)給定的嵌套空間維數(shù)分解為窗口長(zhǎng)度L維向量：X_i＝(y_i，y_i+1，…,y_i+L-1)；其中L維向量包括趨勢(shì)、周期和噪聲；SSA由2個(gè)互補(bǔ)階段組成，分別是分組和重構(gòu)；由K個(gè)向量X_i(i＝1，2，…，K＝N-L+1)組成的軌跡矩陣可以表示如下:

S32：然后對(duì)X進(jìn)行奇異值分解：

X＝U·S·V^T

其中S是矩陣X的奇異值，等價(jià)于矩陣XX^T特征值的平方根；U為X的左奇異值向量，等價(jià)于矩陣XX^T特征向量；V為X的右奇異值向量，等價(jià)于矩陣XX^T特征向量；

S33：將時(shí)間序列T的元素由奇異譜分析展開：

其中：i＝1,...,K；j＝1,...,M；E_kj＝U為XX^T的特征向量，E稱為時(shí)間經(jīng)驗(yàn)正交函數(shù)；a_ij通過下式求得到的時(shí)間主成分：

S34：x_i為第K個(gè)主成分記做通過第k個(gè)時(shí)間經(jīng)驗(yàn)正交函數(shù)和時(shí)間主成分重構(gòu)得到，如下式所示：

S34根據(jù)下式選擇對(duì)應(yīng)較大奇異值的r個(gè)成分相加，所得到的近似代表x_i，因此重構(gòu)過程中過濾掉了那些對(duì)應(yīng)奇異值較小的噪聲部分：

5.根據(jù)權(quán)利要求1所述的一種電價(jià)超短期預(yù)測(cè)方法，其特征在于：步驟S4中建立布谷鳥算法優(yōu)化極限學(xué)習(xí)機(jī)的預(yù)測(cè)模型，具體包括以下步驟：

S41：根據(jù)給定的訓(xùn)練樣本，確定極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和各層的節(jié)點(diǎn)數(shù)，并確定布谷鳥算法所設(shè)的發(fā)現(xiàn)概率P_a，種群規(guī)模M，最大迭代次數(shù)T_maxgen，粒子維數(shù)即為所要優(yōu)化的輸入權(quán)值和隱含層偏置個(gè)數(shù)；

S42：對(duì)所要優(yōu)化的輸入權(quán)值和隱含層偏置進(jìn)行粒子編碼，在所規(guī)定的范圍內(nèi)，隨機(jī)產(chǎn)生M個(gè)鳥巢每個(gè)鳥巢是一組ELM的參數(shù)，其中第i各粒子為：

X_i＝[w₁₁,w₁₂,...,w_1l,w₂₁,w₂₂,...,w_2l,...,w_n1,w_n2,...,w_nl,b₁,b₂,...,b_l]；i＝1,2,...,M.

式中，n和l分別為極限學(xué)習(xí)機(jī)的輸入層和隱含層個(gè)數(shù)，w_nl為輸入層第n個(gè)節(jié)點(diǎn)到隱含層第l各節(jié)點(diǎn)的輸入權(quán)值，b_l為隱含層第l的節(jié)點(diǎn)的偏置；

S43：利用下式對(duì)群體中每個(gè)粒子進(jìn)行適應(yīng)度評(píng)價(jià)：

其中，p_t表示極限學(xué)習(xí)機(jī)的實(shí)際輸出，表示極限學(xué)習(xí)機(jī)的目標(biāo)輸出，N表示訓(xùn)練樣本數(shù)；

S44：按照萊維飛行原理即下式進(jìn)行種群的更新同時(shí)計(jì)算更新后種群的適應(yīng)值，并與上一代粒子適應(yīng)值進(jìn)行比較，若更優(yōu)，則保留，否則保留上一代的解；布谷鳥尋找鳥巢根據(jù)萊維飛行原理，令是第i個(gè)布谷鳥目前的解，然后新解如下式產(chǎn)生：

Lévy～u＝t^-λ

式中a＞0，a表示萊維飛行的步長(zhǎng)，函數(shù)L(λ)表示無限均值和方差的萊維飛行，Lévy飛行一般是隨機(jī)產(chǎn)生一個(gè)步長(zhǎng)，且步長(zhǎng)是服從L(λ)～u^-λ(1＜λ≤3)搜索路徑；

S45：然后產(chǎn)生一個(gè)隨機(jī)數(shù)r∈[0,1]，若r＞P_a，則按照萊維飛行原理，即S44中的公式進(jìn)行更新，計(jì)算新種群的適應(yīng)度值，并與上一代種群的適應(yīng)值進(jìn)行比較，適應(yīng)值更優(yōu)的保留下來，并記錄最優(yōu)粒子X_best；

S46：判斷當(dāng)前迭代次數(shù)k>T_maxgen，則結(jié)束尋優(yōu)，則迭代終止；將X_best轉(zhuǎn)為極限學(xué)習(xí)機(jī)的輸入權(quán)值和偏置進(jìn)行預(yù)測(cè)；若k<T_maxgen，則k＝k+1，轉(zhuǎn)S45進(jìn)行下一輪迭代。