一种电力现货市场的电价预测方法及装置

技术领域

本发明属于电力技术领域，尤其是一种电力现货市场的电价预测方法及装置。

背景技术

电力现货市场能充分反映出边际发电成本和电力供需，从而更好地凸显电力价格信号。然而现有的电价预测方法主要包括回归模型、神经网络预测、时间序列、小波分析预测及灰色预测等单一或组合算法，其用于电力现货市场的价格预测精度及算法稳定性都较差。传统的预测方法和装置通过依靠CNN(卷积神经网络)容差和容差能力强的特点，减小了历史价格数据序列的不确定性，同时还降低了历史价格数据序列的负面特性对预测精度的干扰，从而能够提高预测电价的精确度。但是没有多级对比的功能，会影响预测的精确性。

经检索，中国专利文件（申请公布号CN110826803A）一种电力现货市场的电价预测方法、装置、终端设备以及存储介质，所述方法包括：获取一定时间范围内的历史电价数据，形成历史电价数据序列；对所述历史电价数据序列进行归一化，并采用设定的尺度对归一化后的历史电价数据序列进行小波分解，分解成不同频率的子序列；将所述不同频率的子序列分成训练集和预测集；利用所述训练集训练CNN模型，并将所述预测集传输到训练后的CNN模型中进行电价预测，得到预测数据；对所述预测数据进行小波重构和反归一化处理，输出实际电价预测序列。本发明实施例能够提高电力现货市场下电价预测的精度。但是没有多级对比的功能，会影响预测的精确性。

发明内容

本发明的目的在于提供一种电力现货市场的电价预测方法及装置，以解决背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种电力现货市场的电价预测方法，包括以下步骤：

步骤一、收集数据：优先原始数据，然后对数据进行判断和筛选，选择正确的数据；

步骤二、查找影响因素：根据步骤一中筛选出的数据的变化趋势，查找影响电价和电量的因素；

步骤三、整理数据：将数据以小时为计，并梳理成每小时、每天、每周、每月、每季度和每年的数据统计；

步骤四、分析数据：将整理的每小时、每天、每周、每月、每季度和每年的数据分别按照线状图进行演示，得到不同年份的指定季度、指定月份、指定周、指定日和指定时间段的分析报告；

步骤五、建立模型：根据步骤四中的数据分析报告建立电价模型，方便操作者后续进行电价预测；

步骤六、预测电价：将电力数据输入步骤五中建好的电价模型中进行电价预测。

优选的，所述步骤二的查找影响因素包括天气、温度、运输长度、意外情况，尤以运输长度影响最大，恶劣天气和低温环境影响其次，意外情况的发生概率较低，影响程度最低。

优选的，所述步骤三整理数据的过程是：将整理的数据按照时间线进行梳理，梳理之后将数据进行整齐排列，并将错误的数据剔除，并按照不同的标准和要求进行选择。

优选的，所述步骤四分析数据的分析过程是：按照年份进行对比，将不同年份的指定季度、指定月份、指定周、指定日和指定时间段的数据进行对比，得到分析报告。

优选的，所述步骤五建立模型的方法为：将电价预测模型设计成CNN模型，用于将数据传输到训练后的CNN模型中进行电价预测，得到预测数据。

优选的，包括收集数据模块、查找影响因素模块、整理数据模块、分析数据模块、建立模型模块、预测电价模块和数据储存模块。

优选的，所述数据储存模块包括线下服务器和云端服务器，所述线下服务器用于接收和发送数据，所述云端服务器用于储存服务器发送过来的数据，并进行实时更新数据。

优选的，所述线下服务器通过无线传输设备与云端服务器传输连接。

与现有技术相比，本发明的技术效果和优点：

该电力现货市场的电价预测方法及装置，在使用时，收集数据然后利用筛选机制，将错误的数据筛选出去，保证数据的正确性，而且调节成合适的格式，便于后续的使用；

该电力现货市场的电价预测方法及装置，整理数据和分析数据的配合，将数据进行排布和排列，方便后续进行对比，而且可以将进行不同层级的数据进行对比，分为年、季度、月、周、日和小时，实现多级对比，保证后续的预测电价的准确性；

该电力现货市场的电价预测方法及装置，能够进行多级对比，保证预测电价的准确性。

附图说明

图1为本发明的流程图。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

如图1所示，一种电力现货市场的电价预测方法及装置，包括以下步骤：

步骤一、收集数据：优先原始数据，收集的程度要保证其全面性，保证其收集的量，因此如果太少，没法在后续形成准确的模型，然后对数据进行判断和筛选，选择正确的数据，将正确的数据进行优化，选择到合适的格式，并储存到数据库内；

步骤二、查找影响因素根据步骤一中筛选出的数据的变化趋势，查找影响电价和电量的因素，影响因素包括天气、温度、运输长度、意外情况，影响因素还包括其他的因素，不同的地区的影响因素以及占比是不同的，例如在西伯利亚区域，低温的影响程度较大，在赤道附近的区域的温度影响较小，但是天气影响更大，尤以运输长度影响最大，恶劣天气和低温环境影响其次，意外情况的发生概率较低，影响程度最低，在预测之前，如果近期发生较大事件，影响实际情况，也要作为分析的主要因素；

步骤三、整理数据：将数据以不同区间为计，并梳理成每小时、每天、每周、每月、每季度和每年的数据统计，将上述整理的数据并按照时间线进行梳理，梳理之后将数据进行整齐排列，并将错误的数据进行剔除，并按照不同的标准和要求进行选择；

步骤四、分析数据：将整理的每年的数据按照线状图进行演示，然后将每季度的数据也按照线状图进行演示，然后将每月的数据也按照线状图进行演示，然后将每周的数据也按照线状图进行演示，然后将每天的数据也按照线状图进行演示，然后将每小时的数据也按照线状图进行演示，对比的图状也可以是其他的图形，只要方便按照年份进行类比，将不同年份的指定季度、指定月份、指定周、指定日和指定时间段的数据进行对比，得到分析报告；

步骤五、建立模型：根据步骤四中的数据分析报告建立电价模型，方便操作者后续进行电价预测，将电价预测模型设计成CNN模型，用于将以往数据传输到训练后的CNN模型中进行电价预测，得到预测数据；

步骤六、预测电价：建立好模型之后，需要预测指定月份或者指定年份的电价，将数据导入模型内，然后计算得到的电价。

一种电力现货市场的电价预测装置，包括收集以往数据模块、查找影响因素模块、整理以往数据模块、分析以往数据模块、建立模型模块、预测电价模块和数据储存模块，所述数据储存模块包括线下服务器和云端服务器，所述线下服务器用于接收和发送数据，所述云端服务器用于储存服务器发送过来的数据，并进行实时更新数据，所述线下服务器通过无线传输设备与云端服务器传输连接。

需要说明的是，在本文中，诸如一和二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。