[发明专利]一种电价超短期预测方法在审
| 申请号： | 201810445016.1 | 申请日： | 2018-05-10 |
| 公开（公告）号： | CN108647824A | 公开（公告）日： | 2018-10-12 |
| 发明（设计）人： | 曾云;殷豪;孟安波 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06N99/00;G06Q30/02;G06Q50/06 |
| 代理公司： | 广东广信君达律师事务所 44329 | 代理人： | 杨晓松 |
| 地址： | 510062 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种电价超短期预测方法，包括如下步骤：S1：获取电价历史数据并对电价历史数据做预处理获得电价序列；S2：利用奇异谱分析直接提取电价序列的趋势成分、振荡成分、噪声成分；S3：过滤掉噪声成分，并采用奇异谱序列对降噪后的趋势成分和振荡成分序列进行重构获得训练样本；S4：动态选择训练样本，建立布谷鸟算法优化极限学习机的预测模型；S5：对趋势成分和振荡成分序列采用布谷鸟算法优化极限学习机模型进行提前0.5h预测获得子序列；S6：叠加各子序列的预测值，得到实际预测结果。本发明采用奇异谱分析对原始数据进行预处理，采用布谷鸟算法优化极限学习机的输入权值和隐含层偏置，有效解决极限学习机存在的非最优参数缺陷。 | ||
| 搜索关键词： | 极限学习机 电价 算法优化 振荡 预处理 超短期预测 奇异谱分析 成分序列 历史数据 训练样本 子序列 噪声 动态选择 有效解决 预测结果 预测模型 原始数据 直接提取 最优参数 奇异谱 权值和 隐含层 预测 降噪 偏置 重构 叠加 过滤 | ||
【主权项】：
1.一种电价超短期预测方法，其特征在于：包括如下步骤：S1：获取电价历史数据并对电价历史数据做预处理获得电价序列；S2：利用奇异谱分析直接提取电价序列的趋势成分、振荡成分、噪声成分；S3：过滤掉噪声成分，并采用奇异谱序列对降噪后的趋势成分和振荡成分序列进行重构获得训练样本；S4：动态选择训练样本，建立布谷鸟算法优化极限学习机的预测模型；S5：对趋势成分和振荡成分序列采用布谷鸟算法优化极限学习机模型进行提前0.5h预测获得子序列；S6：叠加各子序列的预测值，得到实际预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810445016.1/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
