[发明专利]基于多元数据技术的电力市场分析与预测方法

说明书

技术领域

本发明涉及电网电力市场分析与研究应用领域，具体涉及的是一种基于多元数据技术的电力市场分析与预测方法。

背景技术

目前对电力市场需求环境进行分析与预测往往基于电网企业内部自身的相关维度、相关信息，而在电力市场化交易与政府确定公益性调节性电量的新型市场模式下，这种传统统购统销模式下的电力市场分析与预测方法与模型已不适用，需要拓展分析视角，对影响电力市场需求的多方面因素，如企业内部与市场外部因素、短期因素与长期因素、电力市场化交易与非市场化供给因素综合考虑。

发明内容

本发明针对现有技术中存在的以上问题，旨在提供一种基于多元数据技术的电力市场分析与预测方法，其通过搭建多元数据库，建立多维度下的多元数据量化分析模型，挖掘经济发展要素与电力市场需求之间的关联关系与传导特征，实现市场环境下的电力需求分析与预测综合功能。

为了实现上述目的，本发明采用如下技术方案：

基于多元数据技术的电力市场分析与预测方法，包括以下步骤：

(1)搭建影响电力市场需求的多元数据指标库；

(2)采用指数平滑法和Min-max归一化方法，对多元数据指标库的数据进行标准化处理；

(3)将标准化处理后的数据分为短期电力市场需求影响因素和中长期电力市场需求影响因素；

(4)采用改进的粒子群算法优化支持向量机建立短期电力市场需求SVM预测模型，采用最小二乘支持向量机建立中长期电力市场需求LSSVM预测模型。

具体地，所述步骤四中采用改进的粒子群算法来优化SVM参数的步骤包括：

(1)初始化粒子群，设置粒子数、初始位置和初始速度；

(2)根据每个粒子的当前位置，获取SVM参数C及σ值，计算适应度函数；

(3)根据粒子适应度更新个体极值pbest和全局极值gbest，并更新粒子群的位置和速度；

(4)基于遗传杂交算子、免疫选择算子对粒子进行杂交操作和免疫选择；

(5)判断算法收敛准则是否满足，迭代次数i不大于最大迭代次数Max；

如不满足收敛准则，则转(2)；

如满足收敛准则，则输出最优参数C及σ，算法结束。

具体地，短期电力市场需求影响因素包括温度、湿度、降水量、工作日、节假日、季节性电价；中长期电力市场需求的影响因素包括经济总量、电力消费弹性系数、产品产量、价格、产业结构、行业迁移、电价政策、气温、日照时间、降雨量、相对湿度。

有益效果：本发明提供的基于多元数据技术的电力市场分析与预测方法从经济、政策、气象、节假日等多维度进行电力市场影响因素的分析，根据短期影响因素、中长期影响因素的不同，建立了短期电力市场SVM预测模型、中长期电力市场LSSVM预测模型，采用一种改进的粒子群算法对SVM参数进行寻优，使SVM预测精度更高，并且参数优化在分类器设计阶段自动完成，实现了短期和中长期电力市场的分析和预测，可以为电力营销及市场化交易提供辅助决策支持，有助于合理制定电力市场的长中短各期规划。

附图说明

图1是电力市场分析预测流程图；

图2是采用改进的粒子群算法来优化SVM参数的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明：

请参照图1和图2，本发明提供了一种基于多元数据技术的电力市场分析与预测方法，包括以下步骤：

(1)搭建影响电力市场需求的多元数据指标库；

(2)采用指数平滑法和Min-max归一化方法，对多元数据指标库的数据进行标准化处理；

(3)将标准化处理后的数据分为短期电力市场需求影响因素和中长期电力市场需求影响因素；

(4)采用改进的粒子群算法优化支持向量机建立短期电力市场需求SVM预测模型，采用最小二乘支持向量机建立中长期电力市场LSSVM需求预测模型。

具体地，所述步骤四中采用改进的粒子群算法来优化SVM参数的步骤包括：

(1)初始化粒子群：设置粒子数、初始位置和初始速度；

(2)根据每个粒子的当前位置，获取SVM参数C及σ值，计算适应度函数；

(3)根据粒子适应度函数更新个体极值pbest和全局极值gbest，并更新粒子群的位置和速度；

(4)基于遗传杂交算子、免疫选择算子对粒子进行杂交操作和免疫选择；

(5)判断算法收敛准则是否满足，迭代次数i不大于最大迭代次数Max；