[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

本發明公開了一種基于監督式學習的自適應競價預測方法，包括如下步驟：建立自回歸與監督式學習結合的時間序列預測模型；將現有觀測量進行非線性處理，模擬用戶行為變化慣性；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；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；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；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；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。

技術領域

本發明涉及一種基于監督式學習的自適應競價預測方法，屬于電 力市場預測技術領域。

背景技術

根據世界其他開展電力市場改革區域的經驗，電力市場從時間上 主要劃分為中長期市場和現貨市場。目前，中國電力市場發展尚處于 初始階段，市場的參與者都期待采用優化的競價策略來最大化利潤， 并避免因錯誤競價策略導致損失。然而，當前月度競價存在以下特點： 1，市場規則存在變化；2，準入供需比不斷調整；3，用戶由于某些 原因導致出現不理性報價。這些特點使用戶難以預測和把握市場走向， 進而無法找到最優的競價策略。

因此，如何幫助售電公司和發電集團找到優化的競價策略成為了 熱門話題。然而，在技術上幫助用戶找到適合自身情況的最優競價難 點主要是因為以下幾個問題：1，市場頻率低，可供學習的數據少；2， 市場初期用戶行為的差異大；3，用戶競價存在學習過程。

發明內容

本發明所要解決的技術問題在于提供一種基于監督式學習的自 適應競價預測方法，對售電公司和發電集團找到優化的競價策略給出 指導性建議。

本發明將機器學習方法與電力市場規則、用戶行為特征相結合， 以及市場初期月度競價表現出的特點：數據少、用戶行為差異大、競 價存在學習過程，提出了一種基于時間序列的自適應競價預測監督式 學習方法。本方法全面考慮了用戶不成熟的市場行為和用戶競價的延 后性的實際問題，僅需要根據少量市場的數據，就可以學習用戶行為 并適應市場變化，通過自我修正機制，給出有價值的競價決策建議。

本發明采用如下技術方案：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。

作為一種較佳的實施例，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)：