[發明專利]校準窗口集成與耦合市場特征的雙層日前電價預測方法

在審

• 申請號: 202210975713.4
• 申請日: 2022-08-15
• 公開（公告）號: CN115564466A
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 沈曉東;劉慧鑫;劉彥
• 申請（專利權）人: 四川大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 成都時譽知識產權代理事務所(普通合伙) 51250
• 代理人: 李春彥

1.校準窗口集成與耦合市場特征的雙層日前電價預測方法，其特征在于，包括以下步驟：

S1、內層框架為基于改進自適應噪聲完備集合經驗模態分解ICEEMDAN的擇優預測：通過ICEEMDAN算法將原始電價序列分解為各個子序列后，對每個子序列使用統計模型套索估計自回歸模型LEAR和人工智能模型長期和短期時間序列網絡LSTNet預測；然后根據評價指標選出每個子序列的最優預測模型并整合得到預測電價；

S2、外層框架為基于貝葉斯模型平均的校準窗口集成預測：設置一組不同時間長度的校準窗口作為輸入數據集中的訓練集，在每個校準窗口數據集上訓練內層預測模型，然后在測試集上預測并使用BMA方法對不同的校準窗口的預測賦予相應權重，整合得到最終預測電價。

2.如權利要求1所述的校準窗口集成與耦合市場特征的雙層日前電價預測方法，其特征在于，步驟S1中ICEEMDAN具體分解步驟如下：

1)向原始序列x中添加I組白噪聲ω⁽ⁱ⁾，構造序列x⁽ⁱ⁾(i＝1,2,…,I):

x⁽ⁱ⁾＝x+β₀E₁(ω⁽ⁱ⁾) (1)

式中：β₀為添加噪聲相對于原信號的信噪比與添加噪聲標準差的比值，E₁(·)表示EMD分解噪聲后的第一個模態分量；

2)利用局部均值分解計算第一組殘差r₁，并計算第一個模態分量IMF₁：

IMF₁＝x-r₁ (3)

式中：N(·)表示產生信號的局部均值；

3)繼續在第一組殘差添加白噪聲，構造序列計算第二組殘差并計算第二個模態分量：

IMF₂＝r₁-r₂ (5)

4)計算第K組殘差和第K個模態分量：

IMF_k＝r_k-1-r_k (7)

5)重復上述步驟，直到獲得所有的模態分量。

3.如權利要求2所述的校準窗口集成與耦合市場特征的雙層日前電價預測方法，其特征在于，步驟S1中LEAR的低頻子序列預測具體如下：

LEAR模型是使用L1正則化估計參數的具有外生輸入的ARX；ARX是一種自回歸線性時間序列模型，ARX模型中預測的電價p_d,h定義為：

式中：p_d-i表示前i小時電價，u_i表示第i個外生變量，a_i和b_i分別是自回歸參數和外生參數，ε_d,h是殘余噪聲；使用L1估計系數的計算公式如下：

式中：θ_h是參數集，RSS是殘差的平方和，是預測電價,λ是正則化的參數；

利用坐標下降法進行求解，計算流程如下：

1)初始化參數

2)對于第K輪迭代，對每個參數依次進行迭代，每次迭代以單個參數為變量求得目標函數的最小值，其余固定為常量，最小值通過求導得到；迭代公式如下：

3)若滿足迭代終止條件，則得到最優值，否則進行下一次迭代。