[发明专利]节点电价预测方法和装置

权利要求书

1.一种节点电价预测方法，其特征在于，包括以下步骤：

获得目标节点在预设时段内的历史电价、所述历史电价的能量分量、阻塞分量和网损分量，以及参考预测数据作为历史数据集；

根据日历、所述历史电价和所述参考预测数据构建特征库，并按照预设比例将所述历史数据集分为训练集和集成集；

通过随机森林模型根据所述特征库对所述训练集进行训练生成整体预测模型，以及通过所述随机森林模型按照所述历史电价的能量分量、阻塞分量和网损分量根据所述特征库对所述训练集进行训练生成三组分量预测模型，将所述三组分量预测模型进行相加，得到基于分量预测模型；

根据所述集成集，以最小化回归损失为目标，以所述整体预测模型和所述基于分量预测模型的集成权重为决策变量构建线性规划问题，并求解最优的所述集成权重，将所述整体预测模型和所述基于分量预测模型按所述集成权重相加得到集成后的电价预测模型；

获取目标时刻的输入特征，将所述输入特征输入所述电价预测模型得到所述目标时刻对应的预测电价。

2.如权利要求1所述的方法，其特征在，获得目标节点在预设时段内的历史电价、所述历史电价的能量分量、阻塞分量和网损分量，包括：

获取所述历史电价的序列p；

获取所述历史电价的能量分量、阻塞分量和网损分量的序列为：p^E、p^C和p^L；其中，p＝p^E+p^C+p^L。

3.如权利要求1所述的方法，其特征在，

所述参考预测数据为电力市场目标用户公开的，包括但不限于负荷、可再生能源出力、辅助服务需求中的一种或者多种。

4.如权利要求1-3任一项所述的方法，其特征在，根据日历、所述历史电价和所述参考预测数据构建特征库，包括：

根据日历、所述历史电价和所述参考预测数据生成日历特征、短期自回归特征、长期自回归特征和网络状态特征构建特征库。

5.如权利要求1所述的方法，其特征在，所述通过随机森林模型根据所述特征库对所述训练集和进行训练生成整体预测模型，包括：

针对所述历史电价的序列构建随机森林模型；

在所述训练集中使用网格搜索对所述随机森林模型的超参数进行调整，并从所述特征库中筛选出最优特征集合，使用调整后的超参数和特征训练随机森林模型，得到所述整体预测模型。

6.如权利要求1所述的方法，其特征在，所述通过所述随机森林模型按照所述历史电价的能量分量、阻塞分量和网损分量根据所述特征库对所述训练集进行训练生成三组分量预测模型，包括：

分别针对所述能量分量的序列、阻塞分量的序列和网损分量构建三组随机森林模型；

在所述训练集中使用网格搜索分别对所述三组随机森林模型的超参数进行调整，并从所述特征库中筛选出最优特征集合，使用调整后的超参数和特征训练所述三组随机森林模型，得到所述三组分量预测模型。