[发明专利]一种电价概率预测方法及装置

权利要求书

1.一种电价概率预测方法，其特征在于，包括：

构建SVM预测模型，获得不同时刻的电价预测数据；

将所述电价预测数据输入logistic分布统计，获得不同时刻预测误差的特征参数，所述特征参数包括均值和标准差；

根据所述获得不同时刻预测误差的特征参数构建二维平面，采用Kmeans算法进行聚类，获得不同时刻的聚类结果，提取不同时刻所述聚类结果的中心点特征参数，获得电价概率预测结果；

根据所述电价概率预测结果和所述电价预测数据，进行不同置信水平下电价概率预测，获得不同置信水平下电价概率预测结果。

2.根据权利要求1所述的电价概率预测方法，其特征在于，所述构建SVM预测模型，获得不同时段的电价预测数据，包括：

建立电价与输入数据之间的高维线性映射函数，引入松弛变量建立优化问题，预设SVM模型将所述优化问题转化为对偶问题，获得所述优化问题的最优解，将所述最优解代入高维线性映射函数，获得SVM预测模型：

y_i＝ω^*φ(x_i)+b_i^*；

其中，y_i为输出i时刻的电价数据，x_i为i时刻的输入数据矩阵，ω^*为模型权重矩阵，b_i^*为常值，φ为非线性映射函数；

所述输入数据包括，目标T日24小时各时刻电价数据；

将所述电价数据输入所述SVM预测模型，输出目标T日24小时各时刻电价预测数据。

3.根据权利要求2所述的电价概率预测方法，其特征在于，所述将所述电价预测数据输入logistic分布统计，获得不同时刻预测误差的特征参数，所述特征参数包括均值和标准差，包括：

采用绝对误差E_i作为误差指标，计算如下：

E_i＝P_i,forecast-P_i,actual；

式中，P_i,forecast为时间点i的电价预测值、P_i,actual为实际电价；

不同时刻的误差数据采用logistic分布模型拟合，其概率密度和累计密度函数分别如下：

获得不同时刻预测误差分布的均值和标准差。

4.根据权利要求3所述的电价概率预测方法，其特征在于，所述根据所述获得不同时刻预测误差的特征参数构建二维平面，采用Kmeans算法进行聚类，获得不同时刻的聚类结果，提取不同时刻所述聚类结果的中心点特征参数，获得电价概率预测结果，包括：

采用所述不同时刻的预测误差分布的均值和标准差构建二维平面，记为(μ_i,σ_i)；

采用Kmeans算法，随机选取K个中心点，分类系数为r，各数据点x_i对应k个分类r_ik，其中，若数据点x_i属于类K，则r_ik取1，否则取0；

根据最小化各数据点到各中心点的距离，选取所述分类系数r的值，如下：

更新中心点，重新计算中心点，如下：

重复更新计算直到收敛，输出各类中心点的坐标(μ,σ)，根据所述各类中心点的坐标，获得所述电价概率预测结果。

5.根据权利要求4所述的电价概率预测方法，其特征在于，所述根据所述电价概率预测结果和所述电价预测数据，进行不同置信水平下电价概率预测，获得不同置信水平下电价概率预测结果，包括：

所述目标T日24小时各时刻电价预测数据分时段加上各类均值，获得不同时段的电价预测数据的均值，根据所述概率密度函数，获得不同置信水平的电价概率预测结果。