[發明專利]一種基于WPD和WNN的短期電價預測方法

在審

• 申請號: 202111528340.8
• 申請日: 2021-12-14
• 公開（公告）號: CN114387012A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 段震宇;劉天羽;鄒定江;王勉
• 申請（專利權）人: 上海電機學院
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 楊元焱

1.一種基于WPD和WNN的短期電價預測方法，其特征在于，包括以下步驟：

1)對歷史電價數據進行預處理；

2)通過WPD算法剔除歷史電價數據中的隨機波動的數據，獲得重構電價數據；

3)將重構電價序列輸入訓練好的WNN模型，獲得預測電價。

2.根據權利要求1所述的一種基于WPD和WNN的短期電價預測方法，其特征在于，所述的步驟2)包括：

21)對歷史電價數據進行三層WPD處理，獲得分解信號以及對應的頻率；

22)刪除頻率大于設定閾值的分解信號，對剩余的分解信號進行重構，獲得重構電價序列；

23)對重構電價序列進行數據歸一化，獲得重構電價數據。

3.根據權利要求2所述的一種基于WPD和WNN的短期電價預測方法，其特征在于，所述的步驟3)包括：

31)將重構電價數據輸入訓練好的WNN模型，獲得預測數據；

32)對預測數據進行反歸一化，獲得預測電價。

4.根據權利要求2所述的一種基于WPD和WNN的短期電價預測方法，其特征在于，所述的數據歸一化的計算公式為：

其中，為歸一化后的輸入變量，x為歸一化前的輸入變量，x_max和x_min分別為x的最大值和最小值。

5.根據權利要求1所述的一種基于WPD和WNN的短期電價預測方法，其特征在于，所述的WNN模型為緊致型小波神經網絡。

6.根據權利要求5所述的一種基于WPD和WNN的短期電價預測方法，其特征在于，所述的緊致型小波神經網絡中的Sigmoid激活函數替換為Morlet小波基函數。

7.根據權利要求6所述的一種基于WPD和WNN的短期電價預測方法，其特征在于，所述的Morlet小波基函數h的公式為：

其中，x為輸入。

8.根據權利要求6所述的一種基于WPD和WNN的短期電價預測方法，其特征在于，所述的緊致型小波神經網絡中的隱含層的輸出計算公式為：

其中，j＝1,2,3,…m，m為隱含層神經元個數，n為緊致型小波神經網絡輸入層的節點數量，p(j)為隱含層的第j個輸出，w_ij為緊致型小波神經網絡輸入層的第i個神經元與第j個神經元之間的連接權值，x_i為第i個輸入，a_j為Morlet小波基函數的伸縮因子，b_j為Morlet小波基函數的平移因子。

9.根據權利要求8所述的一種基于WPD和WNN的短期電價預測方法，其特征在于，所述的緊致型小波神經網絡的輸出層的輸出計算式為：

其中，w_jk為隱含層與輸出層之間的連接權值。

10.根據權利要求1所述的一種基于WPD和WNN的短期電價預測方法，其特征在于，所述的步驟1)包括：

通過均值插補法處理歷史電價數據中的缺失數據和異常數據。