[發(fā)明專利]一種電價(jià)預(yù)測(cè)方法、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911157776.3
• 申請(qǐng)日: 2019-11-22
• 公開（公告）號(hào): CN111191814A
• 公開（公告）日: 2020-05-22
• 發(fā)明（設(shè)計(jì)）人: 儲(chǔ)長(zhǎng)青
• 申請(qǐng)（專利權(quán)）人: 儲(chǔ)長(zhǎng)青
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q30/02;G06Q50/06
• 代理公司: 長(zhǎng)沙鑫澤信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43247
• 代理人: 李翠梅

1.一種電價(jià)預(yù)測(cè)方法，其特征在于，所述方法包括：

通過K-means算法以無(wú)導(dǎo)師監(jiān)督的方式將歷史電價(jià)數(shù)據(jù)聚為m類，分別用標(biāo)簽l，2，…，m表示，并得到帶模式標(biāo)簽的歷史電價(jià)數(shù)據(jù)；

根據(jù)帶模式標(biāo)簽的歷史電價(jià)數(shù)據(jù)訓(xùn)練構(gòu)建電價(jià)模式識(shí)別模型；

選取n種電價(jià)預(yù)測(cè)方法基于相同的歷史電價(jià)數(shù)據(jù)建立n個(gè)互相獨(dú)立的日前電價(jià)預(yù)測(cè)模型；

由n個(gè)互相獨(dú)立的日前電價(jià)預(yù)測(cè)模型分別得到預(yù)測(cè)日的n個(gè)電價(jià)預(yù)測(cè)序列；

將所述n個(gè)電價(jià)預(yù)測(cè)序列輸入所述電價(jià)模式識(shí)別模型中，輸出n個(gè)電價(jià)日波動(dòng)模式的預(yù)測(cè)結(jié)果；

根據(jù)所述n個(gè)電價(jià)日波動(dòng)模式的預(yù)測(cè)結(jié)果計(jì)算每個(gè)電價(jià)日波動(dòng)模式的最終投票得分，并選取得分最高的電價(jià)日波動(dòng)模式作為最終預(yù)測(cè)的電價(jià)日波動(dòng)模式。

2.根據(jù)權(quán)利要求1所述的一種電價(jià)預(yù)測(cè)方法，其特征在于，根據(jù)所述n個(gè)電價(jià)日波動(dòng)模式的預(yù)測(cè)結(jié)果計(jì)算每個(gè)電價(jià)日波動(dòng)模式的最終投票得分，具體包括：

根據(jù)加權(quán)投票算法分別計(jì)算不同的日前電價(jià)預(yù)測(cè)模型對(duì)各個(gè)電價(jià)日波動(dòng)模式的投票權(quán)重；

針對(duì)每個(gè)電價(jià)日波動(dòng)模式，分別累加不同的日前電價(jià)預(yù)測(cè)模型對(duì)其投票的權(quán)重，并得到每個(gè)電價(jià)日波動(dòng)模式的最終投票得分。

3.根據(jù)權(quán)利要求2所述的一種電價(jià)預(yù)測(cè)方法，其特征在于，

所述加權(quán)投票算法的表達(dá)式為：

其中：W_X，Y表示日前電價(jià)預(yù)測(cè)模型Y對(duì)電價(jià)日波動(dòng)模式X的投票權(quán)重；D表示算法獨(dú)立運(yùn)行的次數(shù)；C_X，Y，d表示第d次運(yùn)行中日前電價(jià)預(yù)測(cè)模型Y對(duì)電價(jià)日波動(dòng)模式X預(yù)測(cè)正確的樣本數(shù)；T_X，d表示第d次運(yùn)行中所有日前電價(jià)預(yù)測(cè)模型對(duì)電價(jià)日波動(dòng)模式X預(yù)測(cè)正確的樣本數(shù)。

4.根據(jù)權(quán)利要求1所述的一種電價(jià)預(yù)測(cè)方法，其特征在于，通過K-means算法以無(wú)導(dǎo)師監(jiān)督的方式將歷史電價(jià)數(shù)據(jù)聚為m類，具體包括：

從所述歷史電價(jià)數(shù)據(jù)中隨機(jī)選取m個(gè)樣本作為初始聚類中心c_j(j1，2，...，m)；

對(duì)于所述歷史電價(jià)數(shù)據(jù)中的每個(gè)樣本x_i，計(jì)算其與m個(gè)聚類中心的歐氏距離，并將樣本歸類到與其距離最小的聚類中心所對(duì)應(yīng)的類中；

針對(duì)樣本劃分之后形成的新類，按計(jì)算式：重新計(jì)算各聚類中心，其中|c_j|代表類c_j中的樣本數(shù)目；

重復(fù)以上兩步驟，直至聚類中心的位置不再發(fā)生變化。

5.根據(jù)權(quán)利要求1所述的一種電價(jià)預(yù)測(cè)方法，其特征在于，根據(jù)帶模式標(biāo)簽的歷史電價(jià)數(shù)據(jù)訓(xùn)練構(gòu)建電價(jià)模式識(shí)別模型，具體包括：

建立電價(jià)模式識(shí)別模型；

對(duì)帶模式標(biāo)簽的歷史電價(jià)數(shù)據(jù)進(jìn)行特征提取，并得到特征向量；

基于所述特征向量和模式標(biāo)簽并采用機(jī)器學(xué)習(xí)方法對(duì)電價(jià)模式識(shí)別模型進(jìn)行訓(xùn)練，以優(yōu)化所述電價(jià)模式識(shí)別模型的識(shí)別精度。

6.根據(jù)權(quán)利要求1所述的一種電價(jià)預(yù)測(cè)方法，其特征在于，在根據(jù)帶模式標(biāo)簽的歷史電價(jià)數(shù)據(jù)訓(xùn)練構(gòu)建電價(jià)模式識(shí)別模型之后，所述方法還包括：

根據(jù)相應(yīng)的歷史電價(jià)數(shù)據(jù)建立基于RBF神經(jīng)網(wǎng)絡(luò)的日前電價(jià)預(yù)測(cè)模型；

基于RBF神經(jīng)網(wǎng)絡(luò)的日前電價(jià)預(yù)測(cè)模型得到預(yù)測(cè)日的電價(jià)預(yù)測(cè)序列。

7.根據(jù)權(quán)利要求6所述的一種電價(jià)預(yù)測(cè)方法，其特征在于，所述基于RBF神經(jīng)網(wǎng)絡(luò)的日前電價(jià)預(yù)測(cè)模型中的算法為：

式中：p＝1，2，...，P，且P為樣本數(shù)目；w_qr表示隱含層與輸出層之間的連接權(quán)值；h為隱含層的節(jié)點(diǎn)數(shù)；y_r表示網(wǎng)絡(luò)第r個(gè)節(jié)點(diǎn)對(duì)應(yīng)輸入樣本的輸出結(jié)果；‖x_p-c_q‖為歐式范數(shù)；c_q和σ分別表示高斯函數(shù)的中心和方差；x_p＝x_1p，x_2p，...，x_kp，代表第P個(gè)輸入向量；k為輸入層的節(jié)點(diǎn)數(shù)。