[發明專利]一種基于風電競價的量價預測的方法及裝置

在審

• 申請號: 202011373193.7
• 申請日: 2020-11-30
• 公開（公告）號: CN112396468A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 童強;郭映軍;王忠超;孫偉;李巍
• 申請（專利權）人: 華能大理風力發電有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/08;G06Q50/06;G06K9/62;G06N3/04
• 代理公司: 武漢紅觀專利代理事務所(普通合伙) 42247
• 代理人: 李季

1.一種基于風電競價的量價預測方法，其特征在于：包括以下步驟；

S1，獲取用戶需求，根據用戶需求獲取歷史量價數據作為待處理量價數據；

S2，建立k-means聚類算法，根據該k-means聚類算法對待處理量價數據進行處理，設定劃分標準，根據該劃分標準將待處理量價劃分為訓練組量價以及測試組量價；

S3，建立長短期記憶網絡模型，根據該長短期記憶網絡模型通過訓練組量價建立量價預測模型，通過該測試組量價對量價預測模型進行優化，并根據用戶需求，通過優化后的量價預測模型對量價進行預測。

2.如權利要求1所述的基于風電競價的量價預測方法，其特征在于：步驟S1中，獲取用戶需求，根據用戶需求獲取歷史量價數據作為待處理量價數據，還包括以下步驟，獲取用戶需求，所述用戶需求包括：對手信息數據以及交易的風電量價數據，設定數據抓取規模以及數據記錄時間，根據數據抓取規模、數據記錄時間以及用戶需求抓取對應的歷史量價數據和對應的對手信息數據，將對手信息數據與歷史量價數據進行綁定，并將該歷史量價數據作為待處理量價數據。

3.如權利要求1所述的基于風電競價的量價預測方法，其特征在于：步驟S2中，建立k-means聚類算法，根據該k-means聚類算法對待處理量價數據進行處理，設定劃分標準，根據該劃分標準將待處理量價劃分為訓練組量價以及測試組量價，還包括以下步驟，建立k-means聚類算法，通過k-means聚類算法將待處理量價數據分為多個不同類別，將無法分類的待處理量價數據作為異常交易數據進行剔除，保留分為多個不同類別的待處理量價數據，設定劃分標準，根據該劃分標準將待處理量價劃分為訓練組量價以及測試組量價。

4.如權利要求3所述的基于風電競價的量價預測方法，其特征在于：保留分為多個不同類別的待處理量價數據，設定劃分標準，根據該劃分標準將待處理量價劃分為訓練組量價以及測試組量價，還包括以下步驟，從不同類別的待處理量價數據提取對應的關鍵詞，根據該關鍵詞將待處理量價數據劃分為集合一以及集合二，其中集合一包括：交易主體以及交易時間；集合二包括：交易次數，并設定劃分標準，根據該劃分標準將集合一以及集合二劃分為訓練組量價以及測試組量價。

5.如權利要求4所述的基于風電競價的量價預測方法，其特征在于：并設定劃分標準，根據該劃分標準將集合一以及集合二劃分為訓練組量價以及測試組量價，還包括以下步驟，設定劃分標準，所述劃分標準包括：獲取設定時間節點，根據設定時間節點獲取該時間節點前3年的量價數據作為第一量價數據以及該時間節點后半年的量價數據作為第二量價數據，根據該劃分標準從集合一以及集合二中獲取85％的第一量價數據作為訓練組量價，從集合一以及集合二中獲取15％的第二量價數據作為測試組量價。

6.如權利要求4所述的基于風電競價的量價預測方法，其特征在于：步驟S3中，建立長短期記憶網絡模型，根據該長短期記憶網絡模型通過訓練組量價建立量價預測模型，通過該測試組量價對量價預測模型進行優化，并根據用戶需求，通過優化后的量價預測模型對量價進行預測，還包括以下步驟，建立長短期記憶網絡模型，通過長短期記憶網絡模型對訓練組量價中每個月的量價數據進行訓練，并根據訓練結果構建量價預測模型，通過測試組量價對量價預測模型進行優化，根據用戶需求獲取對應的待預測量價數據，通過優化后的量價預測模型根據待預測量價數據對量價數據進行預測。

7.如權利要求6所述的基于風電競價的量價預測方法，其特征在于：通過長短期記憶網絡模型對訓練組量價中每個月的量價數據進行訓練，并根據訓練結果構建量價預測模型之后，還包括以下步驟，獲取量價影響信息，所述量價影響信息包括：西電東送量價信息、電網網絡故障檢修信息、供需信息、境外送電量價信息，將量價影響信息量化，得到量化量價影響信息，將該量化量價影響信息添加到預測模型，對預測模型進行優化。