基于多种智能模型的分时段加权融合算法的电价预测系统的制作方法

本发明涉及电价预测，具体为基于多种智能模型的分时段加权融合算法的电价预测系统。

背景技术：

1、电价预测是指：在考虑市场供求关系、市场参与者的市场力、电力成本以及电力市场体制结构、社会经济形势等重要因素影响的条件下，通过利用数学工具对历史数据进行分析和研究，探索事物之间的内在联系和发展变化规律，在满足一定精度和速度的情况下，对未来电力市场中的电力交易价格进行预测。

2、在国内风电、太阳能等新能源发电高速发展的背景下，因其发电波动性较大，影响了电力市场供需关系，使得电力市场价格波动性加大，降低了供电公司利润，且电力用户不能预测市场价格且调整用电策略，导致电费成本增加。

技术实现思路

1、本发明的目的在于提供基于多种智能模型的分时段加权融合算法的电价预测系统，充分利用各种人工智能模型在各分时段的预测优势，智能融合各个算法的分析结果，为电力交易市场日前价格预测、日前交易决策提供决策依据，售电公司通过预测电力交易市场日前价格，制定最优交易申报策略，从而提高公司利润；电力用户根据日前价格预测结果，调整用电策略以降低电费成本，解决了上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、基于多种智能模型的分时段加权融合算法的电价预测系统，包括：

4、数据获取模块，用于实时获取电力市场价格、负荷及新能源出力信息，基于获取的电力市场价格、负荷及新能源出力信息，确定出电力市场价格及其历史数据；

5、数据处理模块，用于对电力市场价格及其历史数据进行综合性处理，将历史数据按时间对齐形成宽表，转换为日前数据格式，并生成价格或特征的延迟特征数据，确定t日；

6、模型训练模块，用于对参与融合处理的所有的智能模型进行训练，获取各智能模型的t日预测结果；

7、权重计算模块，用于分时段加权融合权重计算，初始化各智能模型在各分时段的加权权重，将t日提前进行回测，根据回测结果，并利用参数调整分时段各智能模型的权重，直到达到最优结果；

8、权重组合模块，用于融合各智能模型的权重来预测t日价格，获取各智能模型的t日预测结果，利用最优的分时段融合权重组合方法，计算出t日的预测价格。

9、优选的，所述数据获取模块包括：

10、价格获取单元，用于对电力市场价格进行实时地获取，确定出日前电力价格数据；

11、负荷获取单元，用于对电力市场负荷进行实时地获取，确定出日前电力负荷数据；

12、出力获取单元，用于对电力市场新能源出力情况进行实时地获取，确定出日前电力新能源出力数据。

13、优选的，确定出电力市场价格及其历史数据，需要对电力市场价格及其历史数据进行安全验证，执行以下操作：

14、获取电力市场价格及其历史数据；

15、基于电力市场价格及其历史数据，索引调取出与电力市场价格及其历史数据相对应的电力市场阈值标准；

16、基于电力市场阈值标准，对电力市场价格及其历史数据进行安全验证；

17、针对电力市场价格及其历史数据在电力市场阈值标准范围内的情况，则确定出的电力市场价格及其历史数据不存在异常，能对电力市场价格及其历史数据进行综合性处理；

18、针对电力市场价格及其历史数据不在电力市场阈值标准范围内的情况，则确定出的电力市场价格及其历史数据存在异常，不能对电力市场价格及其历史数据进行综合性处理。

19、优选的，过滤掉电力市场价格及其历史数据中包含的重复或缺失的相关数据，包括：

20、调取所述电力市场价格对应的历史数据中所包含的重复数据；

21、判断每相邻的两个所述重复数据之间是否包含其他时间节点对应的电力市场价格；

22、当每相邻的两个所述重复数据之间包含其他时间节点对应的电力市场价格时，则保留相邻的两个重复数据；

23、当每相邻的两个所述重复数据之间不包含其他时间节点对应的电力市场价格时，则判断所述不包含其他时间节点对应的电力市场价格对应的两个所述重复数据之间的数据时间间隔是否超过预设的时间间隔阈值；

24、当所述不包含其他时间节点对应的电力市场价格对应的两个所述重复数据之间的数据时间间隔达到或超过预设的时间间隔阈值时，则保留相邻的两个重复数据；其中，所述时间间隔阈值通过如下公式获取：

25、

26、其中，tg表示时间间隔阈值；tp表示历史数据中所包含的数据时间间隔对应的平均值；n表示历史数据中所包含的数据时间间隔的个数；tmax和tmin表示历史数据中所包含的数据时间间隔对应的最大值和最小值；ti表示第i个时间间隔对应的时间长度值；

27、当所述不包含其他时间节点对应的电力市场价格对应的两个所述重复数据之间的数据时间间隔没有超过预设的时间间隔阈值时，则判断所述两个所述重复数据是否需要删除。

28、优选的，当所述不包含其他时间节点对应的电力市场价格对应的两个所述重复数据之间的数据时间间隔没有超过预设的时间间隔阈值时，则判断所述两个所述重复数据是否需要删除，包括：

29、当所述不包含其他时间节点对应的电力市场价格对应的两个所述重复数据之间的数据时间间隔没有超过预设的时间间隔阈值时，调取所述不包含其他时间节点对应的电力市场价格对应的两个所述重复数据之间的数据时间间隔，作为第一时间间隔参数；

30、调取两个所述重复数据中的数据采集时间在前的一个重复数据与其前一个历史数据的数据时间间隔，作为第二时间间隔参数；

31、利用所述第一时间间隔参数和第二时间间隔参数获取第一时间间隔系数，其中，所述第一时间间隔系数通过如下公式获取：

32、

33、

34、其中，e01表示第一时间间隔系数；t01和t02分别表示第一时间间隔参数和第二时间间隔参数；λ表示补偿系数；

35、调取两个所述重复数据中的数据采集时间在后的一个重复数据与其后一个历史数据的数据时间间隔，作为第三时间间隔参数；

36、利用所述第一时间间隔参数和第三时间间隔参数获取第一时间间隔系数，其中，所述第二时间间隔系数通过如下公式获取：

37、

38、其中，e02表示第一时间间隔系数；t03表示第三时间间隔参数；

39、将所述第一时间间隔系数和第二时间间隔系数分别与预设的系数阈值进行比较，将低于所述系数阈值的间间隔系数对应的重复数据予以删除；若所述第一时间间隔系数和第二时间间隔系数均未低于系数阈值，则两个所述重复数据均进行保留。

40、优选的，所述数据处理模块包括：

41、数据检索单元，用于对电力市场价格及其历史数据进行检索；

42、获取电力市场价格及其历史数据，基于顺序检索方法，对电力市场价格及其历史数据进行逐个检索；

43、过滤掉电力市场价格及其历史数据中包含的重复或缺失的相关数据，确定出对电价预测有价值的电力市场价格及其历史数据；

44、数据整理单元，用于对检索后的电力市场价格及其历史数据进行整理；

45、获取对电价预测有价值的电力市场价格及其历史数据，且对电力市场价格及其历史数据进行整理，将电力市场价格及其历史数据按时间对齐形成宽表；

46、数据转换单元，用于对整理后形成的宽表进行转换；

47、获取历史数据按时间对齐形成的宽表，且对形成的宽表进行转换，转换为日前数据格式，确定出相应的特征历史数据；

48、数据计算单元，用于对转换后的特征历史数据进行计算；

49、获取特征历史数据，且对特征历史数据进行计算，确定出延迟历史数据，基于延迟历史数据，生成价格或特征的延迟特征数据，确定t日。

50、优选的，所述模型训练模块包括：

51、模型存储单元，用于存储各种类型的智能模型；

52、模型选择单元，用于对存储的各种类型的智能模型进行选择；

53、获取存储的各种类型的智能模型，基于电价预测需求，从存储的各种类型的智能模型中选择出能参与融合处理的所有的智能模型；

54、模型训练单元，用于对选择的所有的智能模型进行训练；

55、获取选择出的能参与融合处理的所有的智能模型，且对能参与融合处理的所有的智能模型进行训练，获取各智能模型的t日预测结果。

56、优选的，从存储的各种类型的智能模型中选择出能参与融合处理的所有的智能模型，包括但不限于：

57、能反应序列的趋势性、周期性及波动性特点的ari ma和prophet模型；

58、能揭示特征与目标的回归关系的线性回归、k近邻回归及支持向量机回归模型；

59、能建立多层结构并处理复杂特征的神经网络模型。

60、优选的，所述权重计算模块包括：

61、权重初始化单元，用于对各智能模型在各分时段的加权权重进行初始化处理；

62、获取各智能模型在各分时段的加权权重，且对各智能模型在各分时段的加权权重进行初始化处理；

63、提前回测单元，用于采用提前n天的方式对各智能模型进行重新训练；

64、获取各智能模型，采用t日提前n天的方式对各智能模型进行重新训练，确定出各智能模型的回测结果，其中，n天为1-3天；

65、权重调整单元，用于对分时段各智能模型的权重进行调整；

66、获取分时段各智能模型的权重，基于各智能模型的回测结果，并利用参数调整分时段各智能模型的权重，直到达到最优结果。

67、优选的，所述权重组合模块包括：

68、预测提取单元，用于对各智能模型的t日预测结果进行提取；

69、加权融合单元，用于融合各智能模型的权重来计算出t日的预测价格；

70、获取提取出来的各智能模型的t日预测结果，利用最优的分时段融合权重组合方法来融合各智能模型的权重，计算出t日的预测价格。

71、与现有技术相比，本发明的有益效果是：

72、本发明基于电力交易市场的时段、波动、周期、趋势性等特点，利用人工智能技术，充分利用各种人工智能模型在各分时段的预测优势，智能融合各个算法的分析结果，为电力交易市场日前价格预测、日前交易决策提供决策依据，通过对各智能模型的分时段融合处理，可以整体上提高对日前价格预测的准确率，为电力交易市场的用户的交易行为提供指导和参考，售电公司通过预测电力交易市场日前价格，制定最优交易申报策略，从而提高公司利润；电力用户根据日前价格预测结果，调整用电策略以降低电费成本。