[发明专利]节点电价预测方法和装置

说明书

本申请提出一种节点电价预测方法和装置，其中，方法包括：获得目标节点历史数据集和构建特征库，将历史数据集分为训练集和集成集；根据特征库对训练集训练生成整体预测模型，按照历史电价的能量分量、阻塞分量和网损分量根据特征库对训练集进行训练生成三组分量预测模型进行相加得到基于分量预测模型；根据集成集以最小化回归损失为目标，以整体预测模型和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，求解最优的集成权重，将整体预测模型和基于分量预测模型按集成权重相加得到电价预测模型；获取目标时刻的输入特征输入电价预测模型得到预测电价。由此，能够实现精确的节点电价预测，提高电力市场参与者的经济效益，具有较高的应用价值。

技术领域

本申请涉及电价预测技术领域，尤其涉及一种节点电价预测方法和装置。

背景技术

随着我国电力体制改革的不断深入，过去按电量和固定电价结算的机制正逐渐向市场化的方向转变，交易电量被分解到中长期合约、月度市场和现货市场等多个市场中。

目前现货市场的试点已在我国多地的交易中心开展。根据欧美成熟电力市场的运行经验，电力现货市场的交易非常活跃，其每日出清的电价也受到市场参与者的格外关注。世界上的大多数电力现货市场采用“主体报价-统一出清”的节点电价机制，节点电价的预测在很大程度上指导市场参与者的报价行为。从市场运行经验来看，节点电价预测与传统电力预测(如负荷预测等)存在两处不同：节点电价是市场出清的结果，其本身及各分量具有明显的经济意义，背后所驱动的因素也不尽相同；节点电价的波动较大，尖峰电价可能是低谷电价的几十倍。

目前研究中常见相关的节点电价预测方法采用传统时间序列预测的思路。比如，美国康涅狄格大学的学者们提出了基于卡曼滤波和神经网络的节点电价预测方法，并应用于美国宾州-新泽西-马里兰(PJM)电力市场。香港科技大学和悉尼大学的研究者们提出了基于灰度关联分析和支持向量机的电价预测方法，并在美国新英格兰电力市场的数据中验证了预测的准确率。

由于节点电价的性质与传统电力预测存在不同，传统的预测方法的预测精度受限，尤其无法保证其在电价波动较大时的准确率。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请提出一种节点电价预测方法，能够实现精确的节点电价预测，提高电力市场参与者的经济效益，具有较高的应用价值。

本申请提出一种节点电价预测装置。

本申请一方面实施例提出了一种节点电价预测方法，包括：

获得目标节点在预设时段内的历史电价、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、历史电价和参考预测数据构建特征库，并按照预设比例将历史数据集分为训练集和集成集；

通过随机森林模型根据特征库对训练集进行训练生成整体预测模型，以及通过随机森林模型按照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，将三组分量预测模型进行相加，得到基于分量预测模型；

根据集成集，以最小化回归损失为目标，以整体预测模型和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，并求解最优的集成权重，将整体预测模型和基于分量预测模型按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。

本申请另一方面实施例提出了一种节点电价预测装置，包括：

获取模块，用于获得目标节点在预设时段内的历史电价、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；