电力价差预测方法、装置、设备及存储介质与流程
本公开涉及人工智能,尤其涉及一种电力价差预测方法、装置、设备及存储介质。
背景技术:
1、电力市场作为能源资源配置的核心平台,其价格形成机制具有高度复杂性和动态性。日前、日滚及实时市场的电价不仅受到负荷水平、气象条件、发电机组运行状态等基础物理因素的影响,还与新能源出力的随机波动性、市场主体的交易策略以及分时段供需结构紧密相关。
2、现有的电力价格预测方案通常采用两类实现方式。第一类是基于领域知识或单一统计指标进行特征工程,通过规则经验筛选出少量关键特征,随后利用线性回归、支持向量机、树模型或神经网络等算法进行建模预测;第二类则是利用大数据处理能力,直接将海量的原始特征或构造特征输入到复杂的机器学习模型中,依赖模型自身的特征重要性度量功能进行解释或隐式筛选。这两类方案在一定程度上解决了从数据到预测值的映射问题,能够完成基础的市场价格趋势研判。
3、目前,电力价差预测的精度较低。
技术实现思路
1、本公开提供一种电力价差预测方法、装置、设备及存储介质,以至少解决现有电力价差预测的精度较低的问题。
2、本公开的技术方案如下:
3、本公开提供一种电力价差预测方法,包括:
4、根据电力市场样本集合,构建候选因子集合;
5、对所述候选因子集合中的候选因子进行退化因子过滤,得到第一候选因子集合;
6、对所述第一候选因子集合进行去冗余处理,得到第二候选因子集合;
7、对所述第二候选因子集合中的因子进行有效性评分和稳定性评分,根据所述有效性评分和所述稳定性评分筛选出有效因子集合;
8、将固定特征和所述有效因子集合输入价差预测模型,得到电力预测价差。
9、可选地,所述对所述候选因子集合中的候选因子进行退化因子过滤,得到第一候选因子集合,包括:
10、针对目标候选因子,计算所述目标候选因子的有限数值集合的最大单值占比;其中,所述目标候选因子为所述候选因子集合中的任意一个候选因子;
11、在所述有限数值集合的元素个数小于设定数量阈值,或所述最大单值占比大于预设退化阈值的情况下,则确定所述目标候选因子为退化因子;
12、将所述目标候选因子从所述候选因子集合中剔除,得到第一候选因子集合。
13、可选地,所述对所述第一候选因子集合进行去冗余处理,得到第二候选因子集合,包括:
14、计算所述第一候选因子集合中任意两个因子的皮尔逊相关系数;
15、当所述皮尔逊相关系数大于或等于预设相关性阈值时,在所述任意两个因子之间连接一条边以构造无向图;
16、在所述无向图中,计算每个顶点的度和高相关强度和;
17、每轮选择待删除因子;
18、迭代删除所述待删除因子,直至当前保留图中不存在边,得到所述第二候选因子集合;其中,所述待删除因子为度最大、高相关强度和最大且原始列顺序最靠后的因子。
19、可选地,对所述第二候选因子集合中的因子进行有效性评分,包括:
20、在当前训练窗口内,将因子取值有效的样本按因子值从小到大排序,并分为低值组和高值组;
21、分别计算所述低值组的第一价差加权方向正确率和所述高值组的第二价差加权方向正确率;
22、将所述第一价差加权方向正确率与所述第二价差加权方向正确率的差值作为因子的有效性评分。
23、可选地,对所述第二候选因子集合中的因子进行有效性评分和稳定性评分,包括:
24、在当前训练窗口内,将因子取值有效的样本按因子值从小到大排序,并分为低值组和高值组;
25、计算同一日期内各时段的日度加权方向正确率;
26、在多个预设的回看窗口内计算日度加权方向正确率序列的信息比率,并根据序列均值是否小于预设均值进行方向校正;
27、根据所述回看窗口的权重对所述信息比率进行加权求和,得到因子的稳定性分数。
28、可选地,所述根据所述有效性评分和所述稳定性评分筛选出有效因子集合,包括:
29、将所述有效性评分和所述稳定性评分分别转换为候选因子的横截面百分位排名;
30、根据预设权重对所述横截面百分位排名进行加权求和,得到组合评分;
31、根据所述组合评分筛选出所述有效因子集合。
32、可选地,所述方法还包括:
33、在电力预测价差大于价差阈值的情况下,得到第一交易方向信号;
34、在所述电力预测价差小于等于所述价差阈值的情况下,得到第二交易方向信号;其中,第一交易方向信号和第二交易方向信号为相反的信号。
35、本公开实施例还提供一种电力价差预测装置,包括:
36、构建模块,用于根据电力市场样本集合,构建候选因子集合;
37、过滤模块,用于对所述候选因子集合中的候选因子进行退化因子过滤,得到第一候选因子集合;
38、处理模块,用于对所述第一候选因子集合进行去冗余处理,得到第二候选因子集合;
39、筛选模块,用于对所述第二候选因子集合中的因子进行有效性评分和稳定性评分,根据所述有效性评分和所述稳定性评分筛选出有效因子集合;
40、预测模块,用于将固定特征和所述有效因子集合输入价差预测模型,得到电力预测价差。
41、本公开实施例还提供一种电子设备,包括:
42、处理器;
43、用于存储处理器可执行指令的存储器;
44、其中,所述处理器被配置为执行指令,以实现上述的方法中的各步骤。
45、本公开实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法中的各步骤。
46、本公开的实施例提供的技术方案至少带来以下有益效果:
47、在本公开的一些实施例中,根据电力市场样本集合,构建候选因子集合;对候选因子集合中的候选因子进行退化因子过滤,得到第一候选因子集合;对第一候选因子集合进行去冗余处理,得到第二候选因子集合;对第二候选因子集合中的因子进行有效性评分和稳定性评分,根据有效性评分和稳定性评分筛选出有效因子集合;将固定特征和有效因子集合输入价差预测模型,得到电力预测价差;本公开系统性地确定电力市场相关因子,进而度电力价差进行预测,提高电力价差预测的精度。
48、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
1.一种电力价差预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述对所述候选因子集合中的候选因子进行退化因子过滤,得到第一候选因子集合,包括:
3.根据权利要求1所述的方法,其特征在于,所述对所述第一候选因子集合进行去冗余处理,得到第二候选因子集合,包括:
4.根据权利要求1所述的方法,其特征在于,对所述第二候选因子集合中的因子进行有效性评分,包括:
5.根据权利要求1所述的方法,其特征在于,对所述第二候选因子集合中的因子进行有效性评分和稳定性评分,包括:
6.根据权利要求1所述的方法,其特征在于,所述根据所述有效性评分和所述稳定性评分筛选出有效因子集合,包括:
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
8.一种电力价差预测装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法中的各步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com