[發明專利]一種基于監督式學習的自適應競價預測方法

在審

• 申請號: 201810605643.7
• 申請日: 2018-06-13
• 公開（公告）號: CN109034940A
• 公開（公告）日: 2018-12-18
• 發明（設計）人: 初日輝;胡秦然;時翔;李鵬
• 申請（專利權）人: 南京國電南自電網自動化有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q50/06
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.一種基于監督式學習的自適應競價預測方法，其特征在于，包括如下步驟：

步驟SS1：獲取電力市場歷史公開交易數據，建立自回歸與監督式學習結合的時間序列預測模型；

步驟SS2：在時間序列預測模型的基礎上，將現有觀測量進行非線性處理，形成符合現實市場典型行為特征的新預測參數，模擬用戶行為變化慣性；

步驟SS3：在監督式學習的基礎上，增加遞進的帶加權的歷史樣本考量，模擬用戶對市場適應的過程；

步驟SS4：運用多重線性理論來減少特征值數量，引入正則化參數來削減訓練的參數絕對值，緩解過擬合；

步驟SS5：依次進行需求側曲線預測和供給側曲線預測，計算出出清結果；

步驟SS6：進行結果合理性判別，判別是否競價情況優于前一時間節點，若是則判定為充足，輸出市場預測結果和供給需求兩側報價預測，否則判定為不足，再進行收斂性判別；

步驟SS7：若判定收斂，則進行輔助反饋變量更新，監督預測模型價格往指定方向移動，并轉入步驟SS2，否則提示預測失敗。

2.根據權利要求1所述的一種基于監督式學習的自適應競價預測方法，其特征在于，所述步驟SS1具體包括：獲取電力市場歷史公開交易數據，包括過去k個時刻所有的觀測量，建立時間序列預測模型，記作：g_t:X_t→Y_t，公式為(1)：

其中，假設每個時刻t有m個參數，當前時刻N過去k個時刻的所有觀測量的參數的個數S＝k×m，需要求解的系數θ_S為第S個系數，θ^T為參數θ的轉置，S個參數展開的矩陣表示為x_m,t為t時刻第m個參數的數值；為了便于計算，將X_t轉換為這樣規模為k×m的上述矩陣轉化為有k×m個元素的一維列向量，即：

x_t為第t時刻全部參數的矩陣表示，為的轉置，y_t為第t個時刻的實際結果，組成的矩陣記為

3.根據權利要求1所述的一種基于監督式學習的自適應競價預測方法，其特征在于，所述步驟SS2具體包括：通過遺忘機制的引入，將現有觀測量進行非線性處理，模擬用戶行為變化慣性，公式為(2)：

其中f(t)＝e^t-N是關于時間t的指數遺忘函數。

4.根據權利要求1所述的一種基于監督式學習的自適應競價預測方法，其特征在于，所述步驟SS3具體包括：模擬延后反應，體現用戶對市場適應的過程，公式為(3)：

f(x_(new,t))＝x_(1,t)·x_(1,t-1)·(x_(2,t)-x_(2,t-1)) 公式(3)；

其中，f(x_(new,t))為當前時刻根據前兩個時刻通過非線性組合計算出的新參數，x_(1,t)，x_(1,t-1)，x_(2,t)，x_(2,t-1)分別表示前一個時刻跟前兩個時刻第t和t-1個參數值。

5.根據權利要求1所述的一種基于監督式學習的自適應競價預測方法，其特征在于，所述步驟SS4具體包括：剔除所有具有多重共線性特征并引入正則化參數避免過擬合，公式為(4)：

其中，取λ＝0.5，e為自然常數。假設每個時刻t有m個參數，當前時刻N過去k個時刻的所有觀測量的參數的個數S＝k×m，為第i個需求解系數的平方，S個參數展開的矩陣表示為x_m,t為t時刻第m個參數的數值；為了便于計算，將X_t轉換為這樣規模為k×m的上述矩陣轉化為有k×m個元素的一維列向量，即：

x_t為第t時刻全部參數的矩陣表示，y_t為第t個時刻的實際結果。

6.根據權利要求5所述的一種基于監督式學習的自適應競價預測方法，其特征在于，λ＝0.5，預測出發電側最高報價和售電側最低報價，最終可得到未加反饋機制作用的結果。