基于差分注意力增强混合模型的日前电价预测方法及系统与流程

摘要: 本发明属于电力市场日前电价预测,涉及基于差分注意力增强混合模型的日前电价预测方法及系统。背景技术:1、随着电力市场化改革的深入推进,日前电价作为电力现货市场交易...
基于差分注意力增强混合模型的日前电价预测方法及系统与流程

本发明属于电力市场日前电价预测,涉及基于差分注意力增强混合模型的日前电价预测方法及系统。

背景技术:

1、随着电力市场化改革的深入推进,日前电价作为电力现货市场交易的核心价格信号,其准确预测对于市场参与者的竞价策略制定、发电企业的出力计划优化以及电网调度机构的安全经济调度均具有至关重要的意义。日前电价受负荷需求、可再生能源出力、燃料价格、气象条件、市场政策等多重因素耦合影响,呈现出强波动性、非线性、多周期性以及复杂时序依赖性等特征,准确预测面临巨大挑战。

2、现有的日前电价预测方法主要分为统计模型方法和深度学习模型方法两大类。统计模型方法包括自回归积分滑动平均模型及其变体,该类方法虽然结构简单、可解释性强,但受限于线性假设,难以有效捕捉电价序列中的非线性关系和突发性波动。深度学习模型方法中,长短期记忆网络因其门控机制能够有效建模长距离时序依赖关系,在时间序列预测任务中得到广泛应用;近年来,transformer架构凭借其自注意力机制在捕捉全局依赖关系方面展现出显著优势,部分研究将其引入电价预测领域。然而,标准transformer模型在处理多变量时间序列时,通常将同一时间步的所有变量嵌入为单个表征单元,混淆了不同变量的物理独立性和异质动态特性。此外,标准自注意力机制对序列中的局部突变和趋势变化不够敏感,而电价序列恰恰具有频繁的价格尖峰和突变的特性,导致模型在捕捉这些关键动态信号时能力不足,进而导致电价预测精度难以满足要求。由于无法提前感知由电价波动所映射的电网供需紧张态势,调度部门难以及时制定最优的日前调度计划,从而可能引发电网负荷峰谷差加大、电压越限甚至输电断面阻塞等技术问题,极大影响了电网运行的安全性与经济性。

技术实现思路

1、本发明的目的在于提供基于差分注意力增强混合模型的日前电价预测方法及系统,以解决现有技术预测不准确导致无法对电网进行前瞻性、精细化调度,进而引发一系列电网安全性与经济性运行的技术问题。

2、为实现上述目的,本发明采用以下技术方案:

3、第一方面,本发明提供基于差分注意力增强混合模型的日前电价预测方法,包括:

4、获取包括多个候选特征的时间序列数据集,计算各候选特征对预测目标的重要性值,基于重要性值的排序筛选出符合预设条件的时序特征作为输入特征序列;

5、对输入特征序列进行预处理,构建差分注意力增强倒置transformer-长短期记忆网络混合模型,将预处理后的输入特征序列作为混合模型的输入,得到输入特征序列各通道嵌入向量;

6、对各通道嵌入向量,基于一阶差分特征计算两个独立归一化指数函数注意力分布之间的差值,得到用于动态调整注意力权重的差分注意力修正项;

7、基于差分注意力修正项对输入特征序列进行修正,修正后的特征表示输入至长短期记忆网络模块,输出预测时段的日前电价预测结果,基于日前电价预测结果,生成电网设备的调度控制指令。

8、进一步的,所述获取包括多个候选特征的时间序列数据集,计算各候选特征对预测目标的重要性值,基于重要性值的排序筛选出符合预设条件的时序特征作为输入特征序列,包括:

9、利用随机森林回归模型计算各候选特征的重要性值,计算公式为:

10、

11、其中,表示特征的重要性值;t为随机森林中的决策树总数;表示第棵树中所有使用特征进行划分的节点集合;为节点n的样本权重;为节点n划分前后均方误差的减少量;表示第棵树中的所有节点集合;

12、筛选出重要性值排序靠前的历史价格、负荷、可再生能源出力、煤价、天气状况以及最高/最低气温的时序特征,作为所述输入特征序列。

13、进一步的,所述时间序列数据集还包括非时序类别因素,具体为:政策发布、市场调整以及极端天气预警类别指标。

14、进一步的,所述对输入特征序列进行预处理,包括:

15、采用k近邻插补方法估计缺失值;利用3σ准则检测异常值,并采用滑动窗口中位数替换对检测出的异常值进行修正;

16、采用最小-最大归一化将所有经过修正的特征线性映射至[0,1]区间。

17、进一步的,所述构建差分注意力增强倒置transformer-长短期记忆网络混合模型,将预处理后的输入特征序列作为混合模型的输入,得到输入特征序列各通道嵌入向量,包括:

18、将输入特征序列中的每个变量视为一个独立的表征单元,对第c个变量的序列,通过投影/嵌入函数映射为相应的通道嵌入向量,映射过程满足:

19、

20、其中,proj( )表示投影/嵌入函数,d为嵌入维度,得到的变量级输入集合为:,

21、进一步的,所述对各通道嵌入向量,基于一阶差分特征计算两个独立归一化指数函数注意力分布之间的差值,得到用于动态调整注意力权重的差分注意力修正项,包括:

22、对于每个通道,构造一阶差分特征,并将其纳入注意力计算中query与key的交互:

23、

24、其中,表示基于差分嵌入的相似度修正项,λ为调节系数。

25、进一步的,所述基于差分注意力修正项对输入特征序列进行修正,修正后的特征表示输入至长短期记忆网络模块,输出预测时段的日前电价预测结果,包括:

26、利用所述差分注意力修正项对标准注意力分布进行加权调整,将调整后的注意力分布与值嵌入进行加权聚合,得到修正后的特征表示,将修正后的特征表示输入长短期记忆网络模块,由长短期记忆网络提取时间依赖性,并通过全连接层输出预测时段内各时间点对应的日前电价预测值。

27、进一步的,所述基于日前电价预测结果,生成电网设备的调度控制指令,包括:

28、当预测到未来第一时段内的电价超过预设峰值阈值时,生成储能电站的放电指令或可控负荷的削减指令;

29、当预测到未来第二时段内的电价低于预设谷值阈值时,生成储能电站的充电指令或柔性负荷的增加指令。

30、第二方面,本发明提供基于差分注意力增强混合模型的日前电价预测系统,所述系统包括:

31、特征筛选模块,用于获取包括多个候选特征的时间序列数据集,计算各候选特征对预测目标的重要性值,筛选出符合预设条件的时序特征作为输入特征序列;

32、嵌入模块,用于对输入特征序列进行预处理,构建差分注意力增强倒置transformer-长短期记忆网络混合模型,将预处理后的输入特征序列作为混合模型的输入,得到输入特征序列各通道嵌入向量

33、修正模块,用于对各通道嵌入向量,基于一阶差分特征计算两个独立归一化指数函数注意力分布之间的差值,得到用于动态调整注意力权重的差分注意力修正项;

34、输出模块,用于基于差分注意力修正项对输入特征序列进行修正,修正后的特征表示输入至长短期记忆网络模块,输出预测时段的日前电价预测结果,基于日前电价预测结果,生成电网设备的调度控制指令。

35、进一步的,所述特征筛选模块,具体用于:

36、利用随机森林回归模型计算各候选特征的重要性值,计算公式为:

37、

38、其中,表示特征的重要性值;t为随机森林中的决策树总数;表示第棵树中所有使用特征进行划分的节点集合;为节点n的样本权重;为节点n划分前后均方误差的减少量;表示第棵树中的所有节点集合;

39、筛选出重要性值排序靠前的历史价格、负荷、可再生能源出力、煤价、天气状况以及最高/最低气温的时序特征,作为所述输入特征序列。

40、进一步的,所述时间序列数据集还包括非时序类别因素,具体为:政策发布、市场调整以及极端天气预警类别指标。

41、进一步的,所述对输入特征序列进行预处理,包括:

42、采用k近邻插补方法估计缺失值;利用3σ准则检测异常值,并采用滑动窗口中位数替换对检测出的异常值进行修正;

43、采用最小-最大归一化将所有经过修正的特征线性映射至[0,1]区间。

44、进一步的,所述嵌入模块,具体用于:

45、将输入特征序列中的每个变量视为一个独立的表征单元,对第c个变量的序列,通过投影/嵌入函数映射为相应的通道嵌入向量,映射过程满足:

46、

47、其中,proj( )表示投影/嵌入函数,d为嵌入维度,得到的变量级输入集合为:,

48、进一步的,所述修正模块,具体用于:

49、对于每个通道,构造一阶差分特征,并将其纳入注意力计算中query与key的交互:

50、

51、其中,表示基于差分嵌入的相似度修正项,λ为调节系数。

52、进一步的,所述输出模块,具体用于:

53、利用所述差分注意力修正项对标准注意力分布进行加权调整,将调整后的注意力分布与值嵌入进行加权聚合,得到修正后的特征表示,将修正后的特征表示输入长短期记忆网络模块,由长短期记忆网络提取时间依赖性,并通过全连接层输出预测时段内各时间点对应的日前电价预测值。

54、进一步的,所述基于日前电价预测结果,生成电网设备的调度控制指令,包括:

55、当预测到未来第一时段内的电价超过预设峰值阈值时,生成储能电站的放电指令或可控负荷的削减指令;

56、当预测到未来第二时段内的电价低于预设谷值阈值时,生成储能电站的充电指令或柔性负荷的增加指令。

57、第三方面,本发明提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述基于差分注意力增强混合模型的日前电价预测方法的步骤。

58、第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述基于差分注意力增强混合模型的日前电价预测方法的步骤。

59、与现有技术相比,本发明有以下技术效果:

60、本发明通过高精度的日前电价预测,能够提前感知由电力供需变化引发的电价尖峰和低谷,并以此作为调度决策依据,自动生成调度控制指令(如储能充放电指令、柔性负荷投切指令等),从而实现对电网的主动、前瞻性调节,有效平抑了预测日内的负荷峰谷差,预防了电压越限和潮流阻塞等运行风险,显著提升了电网运行的安全性与经济性。

61、本发明通过获取包括多个候选特征的时间序列数据集,计算各候选特征对预测目标的重要性值,筛选出符合预设条件的时序特征作为输入特征序列,能够剔除冗余和无关特征,降低模型输入维度,提高模型训练效率和泛化能力。通过对输入特征序列进行预处理,构建差分注意力增强倒置transformer长短期记忆网络混合模型,将预处理后的输入特征序列作为混合模型的输入,得到输入特征序列各通道嵌入向量,能够采用通道独立嵌入的方式保留各变量的物理独立性,避免不同变量特征的混杂干扰。

62、通过对各通道嵌入向量,基于一阶差分特征计算两个独立归一化指数函数注意力分布之间的差值,得到用于动态调整注意力权重的差分注意力修正项,能够使模型对电价序列中的局部变化和趋势突变更加敏感,增强对价格尖峰和突变信号的捕捉能力。通过基于差分注意力修正项对输入特征序列进行修正,修正后的特征表示输入至长短期记忆网络模块,输出预测时段的日前电价预测结果,能够将全局依赖关系与局部时序动态特征有效融合,显著提升日前电价预测的精度和鲁棒性。