一种基于动态时间分辨率机制的日前电价预测方法、系统、设备及介质与流程

摘要: 本发明涉及人工智能与能源信息,尤其涉及一种基于动态时间分辨率机制的日前电价预测方法、系统、设备及介质。背景技术:1、电力市场日前交易是保障电网稳定运行与资源优化...
一种基于动态时间分辨率机制的日前电价预测方法、系统、设备及介质与流程

本发明涉及人工智能与能源信息,尤其涉及一种基于动态时间分辨率机制的日前电价预测方法、系统、设备及介质。

背景技术:

1、电力市场日前交易是保障电网稳定运行与资源优化配置的关键环节,日前市场中参与方需要提前一天对次日各时段的电价进行预测,依据预测结果申报交易电量;电价预测的准确性能有效帮助发电企业、售电公司及大用户规避市场风险、制定最优策略。随着风能、太阳能等可再生能源接入比例不断提高,电力价格的波动性、随机性与非线性特征日益显著,电价的变化规律更趋复杂,对预测技术的精度与适应性提出了更高要求。

2、目前基于机器学习和深度学习的电价预测方法成为主流预测方法,主流预测方法依赖小时级数据,预测所依据的数据时间粒度较粗,难以捕捉到市场15分钟甚至更短时间尺度的电价快速波动,导致在电价剧烈变化时段的预测偏差较大;另外主流预测模型的泛化与适应能力不足,往往依赖于固定的特征工程和单一的算法结构,泛化能力有限。当市场条件、政策环境或可再生能源出力特性发生变化时,难以自动调整与适应,需要频繁的人工干预和重新设计,既增加使用成本,也影响预测的时效性与稳定性。因此,亟需一种能够适应不同时间尺度需求、且具备更强泛化能力的日前电价预测技术,提升电价预测的精度与实用性。

技术实现思路

1、鉴于上述现有存在的问题,提出了本发明。

2、因此,本发明提供了一种基于动态时间分辨率机制的日前电价预测方法、系统、设备及介质解决目前主流电价预测方法依赖小时级数据,难以捕捉更短时间内的电价快速波动;且主流预测模型泛化能力弱,依赖固定特征与结构,无法适应市场变化的问题。

3、为解决上述技术问题,本发明提供如下技术方案:

4、第一方面,本发明提供了一种基于动态时间分辨率机制的日前电价预测方法,包括:响应于多源时序数据的采集,对多源时序数据进行第一运算处理,得到第一电价序列;对所述第一电价序列叠加特征参量,并约束叠加结果与历史电价序列的统计分布一致,生成第二电价序列;对所述第二电价序列中提取时域衍生特征,结合时间编码特征,构造多维输入特征,所述多维输入特征表征电价在目标时间分辨率下的时序波动特性;对所述多维输入特征进行集成推理,输出目标时间分辨率下的电价预测序列。

5、作为本发明所述的基于动态时间分辨率机制的日前电价预测方法的一种优选方案,其中,进行所述第一运算处理的步骤包括:从所述多源时序数据中提取小时级电价数据,对所述小时级电价数据进行插值处理,得到间隔序列;根据所述多源时序数据的统计参数,对所述间隔序列施加第一约束条件,得到约束间隔序列;对所述约束间隔序列进行修正,生成所述第一电价序列。

6、作为本发明所述的基于动态时间分辨率机制的日前电价预测方法的一种优选方案,其中,生成所述生成第二电价序列的步骤包括:基于所述历史电价序列的特征参数生成噪声项;将所述噪声项叠加至所述第一电价序列,得到叠加结果;通过第一函数将叠加结果的统计分布与所述历史电价序列进行一致化处理,生成所述第二电价序列。

7、作为本发明所述的基于动态时间分辨率机制的日前电价预测方法的一种优选方案,其中,构造所述多维输入特征的步骤包括:从所述第二电价序列中提取时域衍生特征;以所述第二电价序列对应的时间戳为自变量,分别以小时周期、星期周期和月份周期为分母参数,对时间戳进行正弦变换和余弦变换,生成所述时间编码特征;将所述时域衍生特征、所述时间编码特征及所述多源时序数据中的外生变量特征进行特征融合,构造所述多维输入特征。

8、作为本发明所述的基于动态时间分辨率机制的日前电价预测方法的一种优选方案,其中,进行所述特征融合的步骤包括:分别为所述时域衍生特征、时间编码特征及外生变量特征分配对应的融合权重;根据所述融合权重,对所述时域衍生特征、时间编码特征及外生变量特征进行加权拼接,对加权拼接结果进行计算,得到所述多维输入特征。

9、作为本发明所述的基于动态时间分辨率机制的日前电价预测方法的一种优选方案,其中,进行所述集成推理的步骤包括:以最小化预测误差为目标,对不同分位数水平下的候选时序预测组件集进行分位数扫描,确定所述目标时间分辨率下各时序预测组件对应的加权系数;根据所述加权系数,对所述候选时序预测组件集进行筛选,保留加权系数不为零的时序预测组件,形成加权推理组件群;将所述多维输入特征输入所述加权推理组件群,生成所述电价预测序列。

10、作为本发明所述的基于动态时间分辨率机制的日前电价预测方法的一种优选方案,其中,形成所述加权推理组件群的步骤包括:根据所述目标时间分辨率对应的组件数量阈值,从所述加权系数不为零的时序预测组件中,选取加权系数最高的前k个时序预测组件;将所述前k个时序预测组件及其对应的加权系数进行组合,形成所述加权推理组件群。

11、第二方面,本发明提供了一种基于动态时间分辨率机制的日前电价预测系统,包括:

12、时序数据重采样模块,用于对多源时序数据进行第一运算处理,得到第一电价序列;

13、统计分布约束模块,用于对所述第一电价序列叠加特征参量,并约束叠加结果与历史电价序列的统计分布一致,生成第二电价序列;

14、多源特征融合模块,用于对所述第二电价序列提取时域衍生特征,结合时间编码特征,构造多维输入特征,所述多维输入特征表征电价在目标时间分辨率下的时序波动特性;

15、动态集成推理模块,用于对所述多维输入特征进行集成推理,输出目标时间分辨率下的电价预测序列。

16、第三方面,本发明提供了一种电子设备,包括:

17、存储器和处理器;

18、所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现基于动态时间分辨率机制的日前电价预测方法的步骤。

19、第四方面,本发明提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述基于动态时间分辨率机制的日前电价预测方法的步骤。

20、与现有技术相比,本发明的有益效果:通过将原始小时级电价数据重采样为目标时间分辨率下的第一电价序列,实现了从粗粒度数据到细粒度数据的精细化转换;在此基础上,通过向第一电价序列叠加基于历史电价统计特征生成的噪声项,并经第一函数将叠加结果的统计分布与历史电价序列进行一致化处理,生成第二电价序列,使得插值生成的高分辨率数据在统计分布上与真实历史数据保持高度一致,避免了插值过程引入人为统计偏差。

1.一种基于动态时间分辨率机制的日前电价预测方法,其特征在于,包括:

2.如权利要求1所述的基于动态时间分辨率机制的日前电价预测方法,其特征在于,进行所述第一运算处理的步骤包括:

3.如权利要求2所述的基于动态时间分辨率机制的日前电价预测方法,其特征在于,生成所述生成第二电价序列的步骤包括:

4.如权利要求3所述的基于动态时间分辨率机制的日前电价预测方法,其特征在于,构造所述多维输入特征的步骤包括:

5.如权利要求4所述的基于动态时间分辨率机制的日前电价预测方法,其特征在于,进行所述特征融合的步骤包括:

6.如权利要求5所述的基于动态时间分辨率机制的日前电价预测方法,其特征在于,进行所述集成推理的步骤包括:

7.如权利要求6所述的基于动态时间分辨率机制的日前电价预测方法,其特征在于,形成所述加权推理组件群的步骤包括:

8.一种基于动态时间分辨率机制的日前电价预测系统,应用如权利要求1-7任一所述的方法,其特征在于,包括:

9.一种电子设备,包括:

10.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于动态时间分辨率机制的日前电价预测方法的步骤。