一种高比率新能源参与电力市场的电价预测方法及系统与流程

本发明涉及电力市场运营，特别涉及一种高比率新能源参与电力市场的电价预测方法及系统。

背景技术：

1、在现货市场环境中，新能源参与下的电力市场较之以往发生了变化，新能源参与交易电量占比在不断地提高，导致电价低峰概率增加，电价序列不确定性增加，电价剧烈波动的问题日益凸显。使用传统的预测方法进行电价预测时往往探索历史电价、负荷与待预测日电价之间的关系，未能考虑到新能源因素与电价之间的关系。而在新能源加入以后，由于风力发电和光伏发电的随机性和不稳定性比较明显，会使日前电价产生强烈波动，导致预测效果不够准确，无法捕捉电价的波动趋势。

2、针对当前高比例新能源参与电力市场的现状，电力市场的电价预测方法中很少有将新能源发电对电价的影响考虑在内的，但随着可再生能源的快速发展，新能源电力在电力市场的渗透率逐渐提高，其对电价的影响不容忽视。电价受到新能源因素影响的程度也未能量化表示出来，造成了现有方法无法准确预测日前电力市场中的电价趋势，无法准确描述新能源参与下电力市场电价的变化，可能造成电力市场电量交易的供需失衡，进而导致电力市场的运行不稳定的问题。

技术实现思路

1、针对现有技术对高比例新能源参与电力市场下，无法准确描述新能源参与下电力市场电价的变化，可能造成电力市场电量交易的供需失衡，进而导致电力市场的运行不稳定的问题，本发明提供了一种高比率新能源参与电力市场的电价预测方法及系统，能够预测高比例新能源参与电力市场下的电价结果，根据电价预测结果可以实现调节电力市场电量交易的供需平衡，保证了高比例新能源参与电力市场的运行稳定性。具体技术方案如下：

2、一种高比率新能源参与电力市场的电价预测方法，包括：

3、获取选定区域的电价历史数据，并根据所述电价历史数据得到电价影响因素的特征数据；

4、通过随机森林法计算不同特征数据对电价重要性，并根据重要性结果得到各个特征的权重；

5、将各个所述特征的权重传递到马氏距离进行相似日筛选，得到数据集；

6、将所述数据集输入到多元变分模态分解模型中进行数据分解，得到多个子序列和一个残差序列；

7、将所述子序列、残差序列和各个特征的权重输入transformer模型中进行模型训练与预测，并对所述子序列预测结果进行重构，得到电价预测结果。

8、优选的，所述通过随机森林法计算不同特征数据对电价重要性，并根据重要性结果得到各个特征的权重包括：

9、通过随机森林法计算不同特征数据对电价的重要性，得到每个特征的重要性得分；

10、根据所述重要性得分对特征进行归一化处理，得到每个特征的权重。

11、优选的，所述将各个所述特征的权重传递到马氏距离进行相似日筛选，得到数据集包括：

12、根据电价历史数据得到新能源发电高峰期日，并设定所述新能源发电高峰期日为测试集；

13、将各个所述特征的权重传递到马氏距离中，筛选与所述测试集达到预设相似度的相似日，筛选后得到训练集；

14、结合测试集和训练集得到数据集。

15、优选的，所述将所述子序列、残差序列和各个特征的权重输入transformer模型中进行模型训练与预测之前，还包括：

16、对未进行筛选和分解的特征数据进行归一化处理。

17、优选的，所述获取选定区域的电价历史数据，并根据所述电价历史数据得到电价影响因素的特征数据之后，还包括：

18、对所述特征数据的空值和异常值进行处理，通过插值法空值和异常值进行填充。

19、优选的，所述特征数据包括电力负荷的实际值、预测值和预测误差、用电量的实际值、预测值和预测误差、发电量的实际值、预测值和预测误差、风力发电的实际值、预测值和预测误差、光伏发电的实际值、预测值和预测误差、风能发电和太阳能的比重、风能和太阳能负荷比。

20、一种高比率新能源参与电力市场的电价预测系统，包括：

21、数据获取单元，用于获取选定区域的电价历史数据，并根据所述电价历史数据得到电价影响因素的特征数据；

22、特征权重计算单元，用于通过随机森林法计算不同特征数据对电价重要性，并根据重要性结果得到各个特征的权重；

23、数据集筛选单元，用于将各个所述特征的权重传递到马氏距离进行相似日筛选，得到数据集；

24、数据分解单元，用于将所述数据集输入到多元变分模态分解模型中进行数据分解，得到多个子序列和一个残差序列；

25、模型预测单元，用于将所述子序列、残差序列和各个特征的权重输入transformer模型中进行模型训练与预测，并对所述子序列预测结果进行重构，得到电价预测结果。

26、优选的，一种高比率新能源参与电力市场的电价预测系统，还包括：

27、数据归一处理单元，用于对未进行筛选和分解的特征数据进行归一化处理。

28、优选的，一种高比率新能源参与电力市场的电价预测系统，还包括：

29、数据填充处理单元，用于对所述特征数据的空值和异常值进行处理，通过插值法空值和异常值进行填充。

30、与现有技术相比，本发明的有益效果为：

31、本发明的一种高比率新能源参与电力市场的电价预测方法通过获取选定区域的电价历史数据，并根据所述电价历史数据得到电价影响因素的特征数据；通过随机森林法计算不同特征数据对电价重要性，并根据重要性结果得到各个特征的权重；将各个所述特征的权重传递到马氏距离进行相似日筛选，得到数据集；将所述数据集输入到多元变分模态分解模型中进行数据分解，得到多个子序列和一个残差序列；将所述子序列、残差序列和各个特征的权重输入transformer模型中进行模型训练与预测，并对所述子序列预测结果进行重构，得到电价预测结果。本发明方法能够预测高比例新能源参与电力市场下的电价结果，根据电价预测结果可以实现调节电力市场电量交易的供需平衡，保证了高比例新能源参与电力市场的运行稳定性。解决了现有技术对高比例新能源参与电力市场下，无法准确描述新能源参与下电力市场电价的变化，可能造成电力市场电量交易的供需失衡，进而导致电力市场的运行不稳定的问题。同时，还能够帮助用电企业结合自身电量需求根据市场电价情况来具体地调整负荷曲线，从而得到合适的购电方案，还有助于促进新能源消纳，提高了电能的利用效率。还可以根据电价预测结果来合理配置市场资源，保障系统正常运行调度，管控市场平稳发展。

技术特征：

1.一种高比率新能源参与电力市场的电价预测方法，其特征在于，包括：

2.根据权利要求1所述的一种高比率新能源参与电力市场的电价预测方法，其特征在于，所述通过随机森林法计算不同特征数据对电价重要性，并根据重要性结果得到各个特征的权重包括：

3.根据权利要求1所述的一种高比率新能源参与电力市场的电价预测方法，其特征在于，所述将各个所述特征的权重传递到马氏距离进行相似日筛选，得到数据集包括：

4.根据权利要求3所述的一种高比率新能源参与电力市场的电价预测方法，其特征在于，所述将所述子序列、残差序列和各个特征的权重输入transformer模型中进行模型训练与预测之前，还包括：

5.根据权利要求1所述的一种高比率新能源参与电力市场的电价预测方法，其特征在于，所述获取选定区域的电价历史数据，并根据所述电价历史数据得到电价影响因素的特征数据之后，还包括：

6.根据权利要求1所述的一种高比率新能源参与电力市场的电价预测方法，其特征在于，所述特征数据包括电力负荷的实际值、预测值和预测误差、用电量的实际值、预测值和预测误差、发电量的实际值、预测值和预测误差、风力发电的实际值、预测值和预测误差、光伏发电的实际值、预测值和预测误差、风能发电和太阳能的比重、风能和太阳能负荷比。

7.一种高比率新能源参与电力市场的电价预测系统，其特征在于，包括：

8.根据权利要求7所述的一种高比率新能源参与电力市场的电价预测系统，其特征在于，还包括：

9.根据权利要求7所述的一种高比率新能源参与电力市场的电价预测系统，其特征在于，还包括：

技术总结
本发明公开了一种高比率新能源参与电力市场的电价预测方法及系统，涉及电力市场运营技术领域，方法包括获取选定区域的电价历史数据，并得到电价影响因素的特征数据；通过随机森林法计算不同特征数据对电价重要性，并根据重要性结果得到各个特征的权重；将各个所述特征的权重传递到马氏距离进行相似日筛选，得到数据集；将所述数据集输入到多元变分模态分解模型中进行数据分解，得到多个子序列和一个残差序列；将所述子序列、残差序列和各个特征的权重输入Transformer模型中进行模型训练与预测，得到电价预测结果。本发明实现高比例新能源参与电力市场下的电价预测结果，保证了电力市场电量交易的供需平衡和电力市场的运行稳定性。

技术研发人员：宋吉峰,郑文彬,陈明媛,祁乐,邹其,杨有慧,莫东,韦洪波,林庆标,李智勇,梁彦杰,陈梓煜,顾慧杰,彭超逸,孙书豪
受保护的技术使用者：广西电网有限责任公司
技术研发日：
技术公布日：2024/9/2