[發明專利]一種電煤價格預測方法

在審

• 申請號: 201810941979.0
• 申請日: 2018-08-17
• 公開（公告）號: CN109003145A
• 公開（公告）日: 2018-12-14
• 發明（設計）人: 牛東曉;王海潮;浦迪;李偲
• 申請（專利權）人: 華北電力大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/06;G06Q10/04
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 張文寶

1.一種電煤價格預測方法，其特征在于，所述預測方法包括以下步驟：

步驟1：輸入電煤價格預測的選取指標并對各輸入指標進行數據預處理；

步驟2：利用狼群算法對最小二乘支持向量機模型的參數進行優化；

步驟3：構建基于狼群算法和最小二乘支持向量機模型的電煤價格預測模型。

2.根據權利要求1所述的電煤價格預測方法，其特征在于：所述步驟1中的選取指標包括：國內原煤產量、煤炭凈進口量、全社會動力煤庫存量、國內生產總值、國內生產總值增長率、第二產業增加值占國內生產總值比重、煤炭占全國能源消費總量比重、煤炭消費量、火力發電量、鋼鐵產量、印尼煤炭基準價、煤炭運輸成本、煤炭生產成本、國際原油價格和動力煤期貨價格。

3.根據權利要求2所述的電煤價格預測方法，其特征在于：對所述步驟1中各選取指標進行公式(1)的歸一化處理：

其中，x_i是實際值，x_min和x_max分別是樣本數據的最小值和最大值，y_i為歸一化后的數值。

4.根據權利要求3所述的電煤價格預測方法，其特征在于：所述步驟2利用狼群算法對最小二乘支持向量機模型的參數進行優化的具體步驟包括：

步驟2.1：狼群的初始化；設在有D維空間，其中有人工狼N匹，其中，第i匹狼所在位置為公式(2)：

X_i＝(x_i1,x_i2,...,x_id),1≤i≤N,1≤d≤D (2)

初始位置通過公式(3)產生：

x_id＝x_min+rand×(x_max-x_min) (3)

其中，rand是在[0,1]均勻分布的隨機數，x_max和x_min是搜索空間的上下限；

步驟2.2：產生頭狼；選擇目標函數值最優位置Y_lead處的狼為頭狼，頭狼位置不更新迭代，且不參加狩獵行為，而是直接迭代，若探狼i位置Y_lead＜Y_i，則此探狼i成為頭狼Y_lead＝Y_i；如果探狼i向h個方向游走直至達到最大值H或位置無法進一步優化，則停止搜索，第i匹狼在搜索的h個位置中第j個點第d維的位置y_ijd為公式(4):

y_ijd＝y_id+rand×step_a (4)

其中，step_a為狼在搜索時步幅長度，rand是在[0,1]均勻分布的隨機數；

步驟2.3：靠近獵物；頭狼通過召喚行為促使群狼更新位置，第i匹狼第d維更新后的位置如下靠近獵物，在召喚行為的驅動下，狼群根據頭狼的召喚不斷獲得新的位置，第i匹狼第d維更新后的位置為公式(5)：

z_id＝x_id+rand×step_b×(x_id-x_lid) (5)

其中，rand是在[0,1]均勻分布的隨機數，step_b為狼在想目標移動時候步幅長度，x_id是第i只狼第d維的當前位置，x_lid是頭狼第d維的位置；

步驟2.4：包圍獵物；在發現獵物之后，頭狼會對周圍狼群發出信號，完成對目標獵物的圍剿，圍剿公式和圍剿步長更新公式分別為公式(6)和(7)：

其中，t為迭代次數，ra為圍剿時候狼的步幅長度，X_i為發出圍剿信號的領導者的位置，為第t代第i只狼的位置，r_m表示信號距離，ra_min、ra_max分別為圍剿時候狼的步幅長度的最小值和最大值，maxt為狼的步幅長度最高一代；

步驟2.5：狼群競爭更新機制；在進行圍剿狩獵的過程中，沒能得到食物的狼會被淘汰掉，而率先得到食物的狼則保留下來，狼群中沒能得到“食物”的弱狼將會被淘汰，隨機生成與淘汰數量相當的新狼加入狼群；

步驟2.6：當迭代次數t的數值小于200時，迭代次數t+1并返回步驟2.1，否則執行步驟2.7；

步驟2.7：所述步驟2利用狼群算法對最小二乘支持向量機模型的參數進行優化，獲得最小二乘支持向量機模型的最優參數核函數參數σ²和懲罰參數γ：

設給定樣本集N為樣本總數，則樣本的回歸模型為公式(8)：

其中，是訓練樣本投射到一個高維空間，w是加權向量，b是偏置；

對于最小二乘支持向量機,其優化問題轉化為以下公式(9)和(10)進行求解:

其中，γ為懲罰系數，用于平衡模型的復雜程度和精確，ξ_i為估算誤差，為解決上述方程，建立公式(11)拉格朗日函數進行求解：

其中α_i為拉格朗日乘子，對函數的各個變量進行求導，并令其為零得公式(12)：

消去w和ξi轉化為以下公式(13)：

式中：e_n＝[1,1,...,1]^T,α＝[α₁,α₂,...,α_n],y＝[y₁,y₂,...,y_n]^T求解上述線性方程組，得到公式(14)：

式中，K(x_i,x)為滿足莫斯條件的核函數，以徑向基核函數作為最小二乘支持向量機的核函數，表達式如公式(15)：

K(x_i,x)＝exp{-||x-x_i||²/2σ²} (15)

σ²表示核寬度，反映了訓練數據集的特性。

5.根據權利要求4所述的電煤價格預測方法，其特征在于：所述步驟3構建基于狼群算法和最小二乘支持向量機模型的電煤價格預測模型,輸入指標特征數據得到預測結果。