[发明专利]一种电价预测方法、装置、移动终端及存储介质

说明书

本发明公开了一种电价预测方法、装置、移动终端及存储介质，所述方法包括：根据不同用户种类获取与所述用户种类相对应的预设时段内的历史电价信息；根据用户种类选定相应的电价预测模型；将历史电价信息输入至电价预测模型中，以使电价预测模型根据历史电价信息进行未来时段的电价预测。采用本发明实施例能提高电价预测的准确性，从而进一步提高了系统运行的稳定性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种电价预测方法、装置、移动终端及存储介质。

背景技术

对整个电力系统而言，电价预测通过引导用户用电行为，如工厂、商场、可将生产用电时间安排在低谷用电时期，调整用电量和用电时间从而减小系统峰谷价差，提高系统负荷率、降低系统运行费用，能够保证系统运行稳定性。

但是现有的电价预测方法未能以用户的类型作为出发点，针对不同的用户类型分别展开电价预测，所以电价预测的精度不高，从而导致系统运行稳定性不高。

发明内容

本发明实施例提供一种电价预测方法、装置、移动终端及存储介质，提高了电价预测的准确性，从而进一步提高了系统运行的稳定性。

本申请实施例的第一方面提供了一种电价预测方法，包括：

根据不同用户种类获取与所述用户种类相对应的预设时段内的历史电价信息；

根据用户种类选定相应的电价预测模型；

将历史电价信息输入至电价预测模型中，以使电价预测模型根据历史电价信息进行未来时段的电价预测。

在第一方面的一种可能的实现方式中，根据用户种类选定相应的电价预测模型，具体为：

用户种类包括：产销者用户与消费者用户；

电价预测模型包括：产销者联合优化模型和消费者联合优化模型；

当用户种类为产销者用户时，选定产销者联合优化模型；

当用户种类为消费者用户时，选定消费者联合优化模型。

在第一方面的一种可能的实现方式中，产销者联合优化模型的生成过程具体为：

将产销者用户的历史电价信息输入至LSTM神经网络中进行训练，并计算第一损失函数，当第一损失函数的变化值小于等于预设数值时，停止训练并生成产销者联合优化模型；其中，第一损失函数包括：第一均方误差损失函数和训练样本的参与度优化项。

在第一方面的一种可能的实现方式中，消费者联合优化模型的生成过程具体为：

将消费者用户的历史电价信息输入至LSTM神经网络中进行训练，并计算第二损失函数，当第二损失函数的变化值小于等于预设数值时，停止训练并生成消费者联合优化模型；其中，第二损失函数包括：第二均方误差损失函数和二元交叉熵损失函数。

在第一方面的一种可能的实现方式中，在根据历史电价信息进行未来时段的电价预测之后，还包括：

生成电价预测结果，根据电价预测结果进行削峰填谷处理。

本申请实施例的第二方面提供了一种电价预测装置，包括：获取模块、选定模块和预测模块；

其中，获取模块用于根据不同用户种类获取与所述用户种类相对应的预设时段内的历史电价信息；

选定模块用于根据用户种类选定相应的电价预测模型；

预测模块用于将历史电价信息输入至电价预测模型中，以使电价预测模型根据历史电价信息进行未来时段的电价预测。

在第二方面的一种可能的实现方式中，根据用户种类选定相应的电价预测模型，具体为：