一种基于加权K最近邻和高斯过程回归的电价预测方法
文献发布时间：2023-06-19 16:06:26
技术领域
本发明涉及电力系统领域，特别是涉及一种基于加权K最近邻和高斯过程回归的电价预测方法。
背景技术
电价的波动取决于许多主观和客观因素的综合作用，其演化过程具有复杂的随机性。此外，电价尖峰的随机发生给电价的预测带来了巨大的挑战，因为在这种情况下，电价的变化并不遵循正常的规律，这给准确预测电价带来了更多的困难。准确预测电价有利于电网调度机构合理安排机组启停计划和购售电计划，有利于电网的稳定运行和用户的合理用电。因此，准确预测电价尖峰的到来对电价预测具有重要意义，有必要提出一种精确度较高的电价预测算法。
发明内容
基于此，本发明提出了一种基于加权K最近邻和高斯过程回归的电价预测方法。
一种基于加权K最近邻和高斯过程回归的电价预测方法，包括如下步骤：
1)从统计数据中提取运行指标；
2)使用加权K最近邻(WKNN)算法预测未来的电价尖峰；
3)使用高斯过程回归(GPR)预测未来电价。
上述技术方案中，步骤1)中从统计数据中提取运行指标：
基于电力市场已有的信息披露，提出多个与电价尖峰发生相关的运行指标。运行指标可分为两类，即与预测天数相关的先验知识指标和记录的历史指标。发电和消费两方面的运行指标对电价的出现都有一定的影响。运行指标的选择思路概括如下：考虑电力供需关系，选取预测负荷(h
需要指出的是，极端天气、输电拥堵、发电机或线路被迫停运、备用容量紧张、备用容量集中度高等都可能导致电价尖峰。极端天气和强制发电机或线路停运可以通过指标h
因此，可以将这些运行指标被用作WKNN分类器的输入数据。第i个价格数据的特征可以用指标向量x
上述技术方案中，步骤2)中使用加权K最近邻(WKNN)算法预测未来的电价尖峰，具体如下：
价格尖峰的WKNN分类器f
式中，y
WKNN方法检测价格尖峰的思想是：
第一步是找到当前检测到的类别未知的价格数据和过去检测到的类别标签已知的价格数据(即y
第二步是依次确定未分类价格数据与所有其他分类数据之间的距离。
第三步是对已分类点到未分类数据点x
第四步是对未分类的数据点进行加权多数投票。价格数据越近，权重设置越大，反之亦然。在WKNN中，不同数据点的权值w
式中，I(·)是指示函数，如果θ＝y
上述技术方案中，步骤3)中使用高斯过程回归(GPR)预测未来电价，具体如下：
电价预测可以表示为一个回归分析问题，表示为
v
式中，z
为了度量预测价格z
式中，σ
在高斯过程(GPs)中，生成的数据分布在整个域。这样，电价范围的任意有限子集都服从多元高斯分布。因此，电价数据集中的观测值总是可以看作是多元高斯分布的样本，即：
此外，给定z的z
可以看出，z
式中，f
本发明的有益效果为：
(1)与以往研究相比，本发明提出了几个新的运行指标，并结合基于WKNN的方法提前检测电价尖峰的发生。此外，根据电价变化特征考虑数据的重要程度(即权重)，可以更准确地检测到电价尖峰。
(2)考虑到电价数据的特点，首次将基于指数核函数的高斯过程回归应用于电价预测。实例分析还表明，与其他价格预测方法相比，该方法的预测误差较小。
(3)利用两步电价预测算法不再需要对正常和尖峰情况下的电价分别进行预测。是否会出现价格尖峰已经被记为输入参数之一，并在第二步中与提出的运行指标一起使用，从而简化了预测过程。
附图说明
图1为一个实施例的一种基于加权K最近邻和高斯过程回归的电价预测方法。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图对本发明进行进一步的讲解说明。
参考图1，图1所示为一种基于加权K最近邻和高斯过程回归的电价预测方法，包括如下步骤：
S10，从统计数据中提取运行指标；在一个实施例中：
基于电力市场已有的信息披露，提出多个与电价尖峰发生相关的运行指标。运行指标可分为两类，即与预测天数相关的先验知识指标和记录的历史指标。发电和消费两方面的运行指标对电价的出现都有一定的影响。运行指标的选择思路概括如下：考虑电力供需关系，选取预测负荷(h
需要指出的是，极端天气、输电拥堵、发电机或线路被迫停运、备用容量紧张、备用容量集中度高等都可能导致电价尖峰。极端天气和强制发电机或线路停运可以通过指标h
因此，这些运行指标被用作WKNN分类器的输入数据。第i个价格数据的特征可以用指标向量x
S20，使用基于加权K最近邻的电价尖峰预测方法；在一个实施例中：
价格尖峰的WKNN分类器f
式中，y
WKNN方法检测价格尖峰的思想是：
第一步是找到当前检测到的类别未知的价格数据和过去检测到的类别标签已知的价格数据(即y
第二步是依次确定未分类价格数据与所有其他分类数据之间的距离。
第三步是对已分类点到未分类数据点x
第四步是对未分类的数据点进行加权多数投票。价格数据越近，权重设置越大，反之亦然。在WKNN中，不同数据点的权值w
式中，I(·)是指示函数，其等于1如果θ＝y
S30，使用高斯过程回归(GPR)预测未来电价：
电价预测可以表示为一个回归分析问题，表示为
v
式中，z
为了度量预测价格z
式中，σ
在高斯过程(GPs)中，生成的数据分布在整个域。这样，电价范围的任意有限子集都服从多元高斯分布。因此，电价数据集中的观测值总是可以看作是多元高斯分布的样本，即:
此外，给定z的z
可以看出，z
从统计数据中提取运行指标。