特征筛选方法、装置、设备及存储介质与流程

摘要: 本公开涉及电力,尤其涉及一种特征筛选方法、装置、设备及存储介质。背景技术:1、随着我国电力现货市场建设向纵深推进,电能量交易已逐步形成涵盖中长期合约、日滚交易、...
特征筛选方法、装置、设备及存储介质与流程

本公开涉及电力,尤其涉及一种特征筛选方法、装置、设备及存储介质。

背景技术:

1、随着我国电力现货市场建设向纵深推进,电能量交易已逐步形成涵盖中长期合约、日滚交易、日前集中竞价及实时平衡的多时间尺度衔接机制。其中,日滚交易在运行日前若干日组织,用于修正中长期持仓偏差;日前市场在运行日前一天通过集中出清形成次日分时电价;实时市场则基于系统实际运行状态进行安全经济调度,通过偏差平衡产生实时结算价格。

2、当前电力价差方向预测技术主要集中于单一市场窗口的价格水平估计,方法涵盖线性回归、岭回归、套索回归、弹性网络等传统统计模型,随机森林、极端随机树、梯度提升树等集成学习算法,以及长短期记忆网络、门控循环单元、transformer等深度学习时序模型。此类方案通常以历史电价、系统负荷、新能源出力预测、气象预报数据等作为输入特征,通过监督学习直接预测未来某一时点的电价数值,并采用平均绝对误差(mae)、均方根误差(rmse)、平均绝对百分比误差(mape)等指标评估预测精度。

3、目前,缺乏一种面向多市场窗口的电力市场相关因子的筛选方法,电力价差方向预测精度较低。

技术实现思路

1、本公开提供一种特征筛选方法、装置、设备及存储介质,以至少解决现有缺乏一种电力市场相关因子的筛选方法,电力价差方向预测精度较低的问题。

2、本公开的技术方案如下:

3、本公开实施例提供一种特征筛选方法,包括:

4、获取标准化多源电力市场数据;其中,所述标准化多源电力市场数据包括:日滚交易基准价格、日前出清价格、实时出清价格以及多个市场特征数据;

5、以预测日、提前期、交割日和小时槽位为基本索引单元,建立统一的数据索引;执行基于预测日可见原则的时点数据对齐;根据所述日滚交易基准价格和回映射后的真实价格,确定交易方向标签和收益权重;

6、构建电力市场因子思路树;其中,所述电力市场因子思路树包括多个基于电力市场形成机理的特征分支,每个所述特征分支包括至少一个因子生成逻辑节点;并根据所述电力市场因子思路树,生成候选因子逻辑表达;其中,所述候选因子逻辑表达至少包括所使用的原始特征、特征间的运算关系、滚动统计窗口和预测修正关系;

7、根据所述候选因子逻辑表达,计算候选因子在每个所述基本索引单元的时序因子值和适应度;

8、根据所述适应度对所述电力市场因子思路树执行遗传演化,得到候选因子池;并对候选因子池中的因子执行滚动前向测试和组合建模,得到用于实际交易决策的目标因子集合和组合模型。

9、可选地,所述执行基于预测日可见原则的时点数据对齐,包括:

10、根据预测日、提前期和小时槽位,组成样本主键;

11、根据所述样本主键,从日滚交易数据中读取并索引日滚交易基准价格;

12、读取交割日的真实价格,并将其索引前移设定天数,以与预测日对齐,得到真实价格;

13、将所有市场特征按照预测日的截止时点进行截断,得到特征集合;

14、将所述基准价格、所述真实价格和所述特征集合按所述样本主键合并,得到无未来信息泄露的样本集合。

15、可选地,所述根据所述日滚交易基准价格和回映射后的真实价格,确定交易方向标签和收益权重,包括:

16、根据所述日滚交易基准价格和回映射后的真实价格,计算跨窗口价差;

17、根据所述跨窗口价差,生成交易方向标签和收益权重。

18、可选地,所述根据所述候选因子逻辑表达,计算候选因子在每个所述基本索引单元的时序因子值和适应度,包括:

19、将所述候选因子逻辑表达转换为因子函数,并对所述因子函数进行时序安全性检查;

20、将通过时序安全性检查的因子函数作用于时点特征面板,计算得到候选因子在每个所述基本索引单元上的时序因子值;

21、根据价差套利指标评价所述候选因子;其中,所述价差套利指标至少包括分层价差区分度;

22、根据所述价差套利指标,计算每个候选因子的适应度。

23、可选地,所述方法还包括:

24、将候选因子的因子值进行分层,得到低因子值层和高因子值层;

25、分别计算所述低因子值层的第一方向性加权准确率和所述高因子值层的第二方向性加权准确率;

26、根据所述第一方向性加权准确率和所述第二方向性加权准确率,计算分层价差区分度。

27、可选地,所述根据所述适应度对所述电力市场因子思路树执行遗传演化,得到候选因子池,包括:

28、根据所述适应度对所述电力市场因子思路树执行遗传演化,生成候选因子集合;

29、根据预设评价指标从候选因子集合中筛选出候选因子池。

30、可选地,所述根据所述适应度对所述电力市场因子思路树执行遗传演化,包括:

31、根据读取到的种子思路树和可用特征说明,生成初始思路树种群,并将每个初始思路树转换为候选因子函数;

32、在训练样本上计算每个候选因子的目标函数值;

33、按照所述目标函数值对所述初始思路树种群进行排序,并根据排序权重选择一个或多个父代个体;

34、根据父代个体的思路树结构,提取性能差异的结构原因,得到短期反思信息;

35、根据所述短期反思信息,将两个父代思路树中的部分子树、运算节点或特征节点进行重组,生成交叉子代思路树;

36、将所述交叉子代思路树转换为候选因子函数,并在训练样本上计算所述交叉子代思路树目标函数值;

37、根据当前代的短期反思信息和历史代的短期反思信息,形成长期反思信息;

38、根据当前精英思路树和所述长期反思信息,对特征节点、运算节点、滚动窗口长度和组合逻辑进行局部修改,生成变异子代思路树;

39、将所述变异子代思路树转换为候选因子函数,并计算所述变异子代思路树的目标函数值;

40、比较初始思路树、交叉子代思路树和变异子代思路树的目标函数值,将满足预设保留条件的个体写入下一代种群,并保存当前全局最优个体。

41、可选地,所述方法还包括:

42、针对所述候选因子池中的每个因子,在预定的多个小时槽位上分别计算评价指标;

43、对所述评价指标进行算术平均,得到每个所述因子的跨槽位稳健性评价结果。

44、本公开实施例还提供一种特征筛选装置,包括:

45、获取模块,用于获取标准化多源电力市场数据;其中,所述标准化多源电力市场数据包括:日滚交易基准价格、日前出清价格、实时出清价格以及多个市场特征数据;

46、索引模块,用于以预测日、提前期、交割日和小时槽位为基本索引单元,建立统一的数据索引;执行基于预测日可见原则的时点数据对齐;根据所述日滚交易基准价格和回映射后的真实价格,确定交易方向标签和收益权重;

47、构建模块,用于构建电力市场因子思路树;其中,所述电力市场因子思路树包括多个基于电力市场形成机理的特征分支,每个所述特征分支包括至少一个因子生成逻辑节点;并根据所述电力市场因子思路树,生成候选因子逻辑表达;其中,所述候选因子逻辑表达至少包括所使用的原始特征、特征间的运算关系、滚动统计窗口和预测修正关系;

48、计算模块,用于根据所述候选因子逻辑表达,计算候选因子在每个所述基本索引单元的时序因子值和适应度;

49、执行模块,根据所述适应度对所述电力市场因子思路树执行遗传演化,得到候选因子池;并对候选因子池中的因子执行滚动前向测试和组合建模,得到用于实际交易决策的目标因子集合和组合模型。

50、本公开实施例还提供一种电子设备,包括:

51、处理器;

52、用于存储处理器可执行指令的存储器;

53、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。

54、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。

55、本公开实施例还提供一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现上述的方法中的各步骤。

56、本公开的实施例提供的技术方案至少带来以下有益效果:

57、在本公开的一些实施例中,获取标准化多源电力市场数据;其中,标准化多源电力市场数据包括:日滚交易基准价格、日前出清价格、实时出清价格以及多个市场特征数据;以预测日、提前期、交割日和小时槽位为基本索引单元,建立统一的数据索引;执行基于预测日可见原则的时点数据对齐;根据日滚交易基准价格和回映射后的真实价格,确定交易方向标签和收益权重;构建电力市场因子思路树;其中,电力市场因子思路树包括多个基于电力市场形成机理的特征分支,每个特征分支包括至少一个因子生成逻辑节点;并根据电力市场因子思路树,生成候选因子逻辑表达;其中,候选因子逻辑表达至少包括所使用的原始特征、特征间的运算关系、滚动统计窗口和预测修正关系;根据候选因子逻辑表达,计算候选因子在每个基本索引单元的时序因子值和适应度;根据适应度对电力市场因子思路树执行遗传演化,得到候选因子池;并对候选因子池中的因子执行滚动前向测试和组合建模,得到用于实际交易决策的目标因子集合和组合模型;本公开面向多市场窗口的电力市场,自动筛选影响电力市场的因子,进而提高电力价差方向预测的精度。

58、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。