[發(fā)明專利]一種基于風(fēng)電競價的量價預(yù)測的方法及裝置

在審

• 申請?zhí)枺?/td>: 202011373193.7
• 申請日: 2020-11-30
• 公開（公告）號: CN112396468A
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計）人: 童強;郭映軍;王忠超;孫偉;李巍
• 申請（專利權(quán)）人: 華能大理風(fēng)力發(fā)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(wù)所(普通合伙) 42247
• 代理人: 李季

本發(fā)明提出了一種基于風(fēng)電競價的量價預(yù)測的方法及裝置。包括：獲取用戶需求，根據(jù)用戶需求獲取歷史量價數(shù)據(jù)作為待處理量價數(shù)據(jù)；建立k?means聚類算法，根據(jù)該k?means聚類算法對待處理量價數(shù)據(jù)進行處理，設(shè)定劃分標(biāo)準(zhǔn)，根據(jù)該劃分標(biāo)準(zhǔn)將待處理量價劃分為訓(xùn)練組量價以及測試組量價；建立長短期記憶網(wǎng)絡(luò)模型，根據(jù)該長短期記憶網(wǎng)絡(luò)模型通過訓(xùn)練組量價建立量價預(yù)測模型，通過該測試組量價對量價預(yù)測模型進行優(yōu)化，并根據(jù)用戶需求，通過優(yōu)化后的量價預(yù)測模型對量價進行預(yù)測。本發(fā)明通過建立k?means聚類算法對于待處理量價數(shù)據(jù)進行分類提純，然后利用長短期記憶網(wǎng)絡(luò)模型建立量價預(yù)測模型，不僅能夠?qū)崿F(xiàn)量價的精確預(yù)測，同時能夠很好為用戶量價決策進行輔助。

技術(shù)領(lǐng)域

本發(fā)明涉及風(fēng)電市場競價技術(shù)領(lǐng)域，尤其涉及一種基于風(fēng)電競價的量價預(yù)測的方法及裝置。

背景技術(shù)

現(xiàn)有的風(fēng)電競價對交易量和交易價格的預(yù)測往往是參考往年同期的數(shù)據(jù)進行判斷，或者根據(jù)當(dāng)前經(jīng)濟政策以及供需的形式，主觀給定成交的量價。為了對交易量價進行更具體的量化分析和預(yù)測，基于神經(jīng)網(wǎng)絡(luò)、成本分析等量價預(yù)測的方法層出不窮。

但是，這種方式往往不確定因素很多、數(shù)據(jù)不充分導(dǎo)致預(yù)測準(zhǔn)確度不高。電價預(yù)測往往需要對系統(tǒng)的負(fù)荷需求、其他公司的投標(biāo)行為、輸電網(wǎng)絡(luò)情況、電力市場的運行情況等有全面的掌握，由于電力市場隨機性和投機性大，電價規(guī)律不易掌握，所以量價預(yù)測很難有理想的方法。所以，亟需一種基于風(fēng)電競價的量價預(yù)測的方法，能夠?qū)Ω們r量價進行預(yù)測。

上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提出了一種基于風(fēng)電競價的量價預(yù)測的方法及裝置，旨在解決現(xiàn)有技術(shù)無法通過長短期記憶網(wǎng)絡(luò)來對風(fēng)電競價量價進行精確預(yù)測的問題的技術(shù)問題。

本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

一方面，本發(fā)明提供了一種基于風(fēng)電競價的量價預(yù)測方法，所述基于風(fēng)電競價的量價預(yù)測方法包括以下步驟：

S1，獲取用戶需求，根據(jù)用戶需求獲取歷史量價數(shù)據(jù)作為待處理量價數(shù)據(jù)；

S2，建立k-means聚類算法，根據(jù)該k-means聚類算法對待處理量價數(shù)據(jù)進行處理，設(shè)定劃分標(biāo)準(zhǔn)，根據(jù)該劃分標(biāo)準(zhǔn)將待處理量價劃分為訓(xùn)練組量價以及測試組量價；

S3，建立長短期記憶網(wǎng)絡(luò)模型，根據(jù)該長短期記憶網(wǎng)絡(luò)模型通過訓(xùn)練組量價建立量價預(yù)測模型，通過該測試組量價對量價預(yù)測模型進行優(yōu)化，并根據(jù)用戶需求，通過優(yōu)化后的量價預(yù)測模型對量價進行預(yù)測。

在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，步驟S1中，獲取用戶需求，根據(jù)用戶需求獲取歷史量價數(shù)據(jù)作為待處理量價數(shù)據(jù)，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(shù)據(jù)以及交易的風(fēng)電量價數(shù)據(jù)，設(shè)定數(shù)據(jù)抓取規(guī)模以及數(shù)據(jù)記錄時間，根據(jù)數(shù)據(jù)抓取規(guī)模、數(shù)據(jù)記錄時間以及用戶需求抓取對應(yīng)的歷史量價數(shù)據(jù)和對應(yīng)的對手信息數(shù)據(jù)，將對手信息數(shù)據(jù)與歷史量價數(shù)據(jù)進行綁定，并將該歷史量價數(shù)據(jù)作為待處理量價數(shù)據(jù)。

在以上技術(shù)方案的基礎(chǔ)上，優(yōu)選的，步驟S2中，建立k-means聚類算法，根據(jù)該k-means聚類算法對待處理量價數(shù)據(jù)進行處理，設(shè)定劃分標(biāo)準(zhǔn)，根據(jù)該劃分標(biāo)準(zhǔn)將待處理量價劃分為訓(xùn)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(shù)據(jù)分為多個不同類別，將無法分類的待處理量價數(shù)據(jù)作為異常交易數(shù)據(jù)進行剔除，保留分為多個不同類別的待處理量價數(shù)據(jù)，設(shè)定劃分標(biāo)準(zhǔn)，根據(jù)該劃分標(biāo)準(zhǔn)將待處理量價劃分為訓(xùn)練組量價以及測試組量價。