CN111967918A - 一种基于支持向量回归算法的预测电价的***模型 - Google Patents
一种基于支持向量回归算法的预测电价的***模型 Download PDFInfo
- Publication number
- CN111967918A CN111967918A CN202010905808.XA CN202010905808A CN111967918A CN 111967918 A CN111967918 A CN 111967918A CN 202010905808 A CN202010905808 A CN 202010905808A CN 111967918 A CN111967918 A CN 111967918A
- Authority
- CN
- China
- Prior art keywords
- electricity price
- data
- prices
- historical
- support vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 2
- 238000003066 decision tree Methods 0.000 abstract 2
- 238000010801 machine learning Methods 0.000 abstract 1
- 238000013507 mapping Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
随着新一轮电力市场改革的持续推进,电价作为反映市场运营状况的重要指标,准确预测电价能够帮助电力市场博弈方进行风险规避,达到经济收益最大化。梯度提升决策树是机器学习中一个长盛不衰的模型,其主要思想是利用弱分类器(决策树)迭代训练以得到最优模型,该模型具有训练效果好、不易过拟合等优点。该方法不仅在工业界应用广泛,支持高效率的并行训练,并且具有更快的训练速度、更低的内存消耗、更好的准确率、支持分布式可以快速处理海量数据等优点。本发明采用了一种基于支持向量回归算法来预测节点电价,可以极大的提高预测准确度。
Description
技术领域
本发明涉及电价预测领域,具体涉及一种基于支持向量回归算法的预测电价的***模型。
背景技术
随着电力市场改革正式开始,新电改放开了电力市场的售电侧, 使我国的电力市场逐渐走向市场化, 电能作为电力市场中的一种特殊产品, 电价是反映电力市场运营情况、评价电力市场竞争效率的重要指标, 是电力市场各博弈方进行科学决策的基础,对电价数据进行准确预测可以帮助售电企业决定市场的日前报价, 最大限度地规避风险、提高收益, 同时也能够为发电企业的发电扩容提供价格信号,因此, 对波动频率较大的电价数据进行准确预测已经成为电力市场各交易方研究的核心问题,本发明提出了一种基于支持向量回归算法的预测电价的***模型,可以实现对电力市场的电价进行***。
发明内容
本发明提出了一种基于支持向量回归算法来预测节点电价的统计预测模型, 其实质是在输入(历史负荷数据,天气预测信息等)和输出(节点电价)之间建立一种映射模型。然后应对这个模型进行预测。主要步凑包括: 建立历史数据学习映射模型。选取合适的输入输出建立相关映射预测模型。进行检验。对第一步建立的映射进行检验。检验结果(误差大小)满意模型用来预测,不满意则进行再学习。进行预测。而整个***过程包括了数据收集模块, 剔除极端值模块, 预测分析模块以及报告模块,如图1所示。
附图说明
图1为本发明实施例中节点电价预测模块流程图。
图2为本发明实施例中历史节点电价的曲线图。
图3为本发明实施例中预测的节点电价与历史电价对比的曲线图。
具体实施方式
为使得本发明的内容、目的、特征及优点能够更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护说明书的范围,整个***运行的具体步骤如下。
步骤1、通过测量或取得历史数据的方式, 获得该区域的小时级历史气温, 工作日, 节假日, 小时参数, 月参数, 年参数, 历史用电负荷, 包括同一时段上一周的负荷,同一时段昨天的负荷,前二十四小时的平均负荷,以及历史节点电价, 包括同一时段上一周的电价,同一时段昨天的电价,前二十四小时的平均电价,前一天的峰值电价, 上一周的峰值电价,下图为样本电力价格曲线图。
步骤2、由于可能存在的人为误差, 我们对于从训练集中删除了异常数据,比如:由于极端高温或极端低温导致的峰值电价, 大面积输电堵塞导致的峰值电价等。由于该类数据的出现概率很小, 我们采用异常分析的办法, 剔除掉1%概率最小的数据。异常分析公式如下:
a.首先计算出每一组数据的多元正态分布:
步骤3、输出图2为历史节点电价数据。
步骤4、采用支持向量回归算法进行 (support machine regression) 预测。公式如下:
步骤5、如图3所示,输出预测的节点电价与历史电价对比的曲线图。
本发明通过一种基于支持向量回归算法,考虑多种数据自变量,提出一种节点电价的预测***,为综合应用新能源发电,保障整体电网用电平稳安全,提供了一套得到有效预测数据的***。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (2)
1.本发明一种基于支持向量回归算法的预测电价的***模型的特征在于,包括:
步骤1、通过测量或取得历史数据的方式, 获得该区域的小时级历史气温, 工作日,节假日, 小时参数, 月参数, 年参数, 历史用电负荷, 包括同一时段上一周的负荷,同一时段昨天的负荷,前二十四小时的平均负荷,以及历史节点电价, 包括同一时段上一周的电价,同一时段昨天的电价,前二十四小时的平均电价,前一天的峰值电价, 上一周的峰值电价,下图为样本电力价格曲线图;
步骤2、由于可能存在的人为误差, 我们对于从训练集中删除了异常数据,比如:由于极端高温或极端低温导致的峰值电价, 大面积输电堵塞导致的峰值电价等,由于该类数据的出现概率很小, 我们采用异常分析的办法, 剔除掉1%概率最小的数据,异常分析公式如下:
a.首先计算出每一组数据的多元正态分布:
步骤3、输出图2为历史节点电价数据;
步骤4、采用支持向量回归算法进行 (support machine regression) 预测,公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010905808.XA CN111967918A (zh) | 2020-09-01 | 2020-09-01 | 一种基于支持向量回归算法的预测电价的***模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010905808.XA CN111967918A (zh) | 2020-09-01 | 2020-09-01 | 一种基于支持向量回归算法的预测电价的***模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111967918A true CN111967918A (zh) | 2020-11-20 |
Family
ID=73400298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010905808.XA Pending CN111967918A (zh) | 2020-09-01 | 2020-09-01 | 一种基于支持向量回归算法的预测电价的***模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967918A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837812A (zh) * | 2021-10-09 | 2021-12-24 | 广东电力交易中心有限责任公司 | 节点电价联合概率预测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921322A (zh) * | 2018-05-25 | 2018-11-30 | 广东电网有限责任公司电力调度控制中心 | 一种基于实时电价的超短期节点负荷预测方法及*** |
CN110942182A (zh) * | 2019-11-14 | 2020-03-31 | 国网福建省电力有限公司建设分公司 | 一种基于支持向量回归建立台风预测模型的方法 |
CN111126716A (zh) * | 2020-01-14 | 2020-05-08 | 上海积成能源科技有限公司 | 一种基于极端梯度提升算法预测电价的***模型 |
CN111507777A (zh) * | 2020-05-09 | 2020-08-07 | 上海积成能源科技有限公司 | 一种基于轻量级梯度提升算法预测电价的***模型 |
CN111523735A (zh) * | 2020-05-09 | 2020-08-11 | 上海积成能源科技有限公司 | 一种基于轻量级梯度提升算法预测短期电力负荷的***模型 |
-
2020
- 2020-09-01 CN CN202010905808.XA patent/CN111967918A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921322A (zh) * | 2018-05-25 | 2018-11-30 | 广东电网有限责任公司电力调度控制中心 | 一种基于实时电价的超短期节点负荷预测方法及*** |
CN110942182A (zh) * | 2019-11-14 | 2020-03-31 | 国网福建省电力有限公司建设分公司 | 一种基于支持向量回归建立台风预测模型的方法 |
CN111126716A (zh) * | 2020-01-14 | 2020-05-08 | 上海积成能源科技有限公司 | 一种基于极端梯度提升算法预测电价的***模型 |
CN111507777A (zh) * | 2020-05-09 | 2020-08-07 | 上海积成能源科技有限公司 | 一种基于轻量级梯度提升算法预测电价的***模型 |
CN111523735A (zh) * | 2020-05-09 | 2020-08-11 | 上海积成能源科技有限公司 | 一种基于轻量级梯度提升算法预测短期电力负荷的***模型 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837812A (zh) * | 2021-10-09 | 2021-12-24 | 广东电力交易中心有限责任公司 | 节点电价联合概率预测方法及装置 |
CN113837812B (zh) * | 2021-10-09 | 2023-01-17 | 广东电力交易中心有限责任公司 | 节点电价联合概率预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969285B (zh) | 预测模型训练方法、预测方法、装置、设备及介质 | |
CN106909933B (zh) | 一种三阶段多视角特征融合的窃电分类预测方法 | |
CN107169628B (zh) | 一种基于大数据互信息属性约简的配电网可靠性评估方法 | |
CN110503256B (zh) | 基于大数据技术的短期负荷预测方法及*** | |
CN108932557A (zh) | 一种基于气温累积效应和灰色关联度的短期负荷预测模型 | |
CN108171379B (zh) | 一种用电负荷预测方法 | |
CN111680841B (zh) | 基于主成分分析的短期负荷预测方法、***及终端设备 | |
CN115860797B (zh) | 一种适应新电价改革形势的电量需求预测方法 | |
Lin et al. | Approximate mixed-integer programming solution with machine learning technique and linear programming relaxation | |
CN110675070A (zh) | 智能微网设备关键度分析方法 | |
WO2024036950A1 (zh) | 微电网分布式光伏发电***配置优化方法及终端设备 | |
CN114021483A (zh) | 基于时域特征与XGBoost的超短期风电功率预测方法 | |
Guo et al. | Power demand forecasting and application based on SVR | |
CN114386753A (zh) | 一种基于主变负载状况的设备风险综合分析预警方法 | |
CN111523735A (zh) | 一种基于轻量级梯度提升算法预测短期电力负荷的***模型 | |
CN111177128B (zh) | 基于改进的离群点检测算法的计量大数据批量处理方法及*** | |
CN117117819A (zh) | 一种光伏发电短期功率预测方法、***、设备和介质 | |
CN111967918A (zh) | 一种基于支持向量回归算法的预测电价的***模型 | |
CN111950752A (zh) | 光伏电站发电量预测方法、装置、***及其存储介质 | |
CN110956304A (zh) | 一种基于ga-rbm的分布式光伏发电量短期预测方法 | |
CN108471136B (zh) | 一种电力***中的功率供需匹配可行性分析方法 | |
CN113869556A (zh) | 一种用电量预测方法、装置及设备 | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
CN117200223A (zh) | 日前电力负荷预测方法和装置 | |
CN115952921A (zh) | 一种光伏能源功率预测方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |