CN106651013A - 基于多元数据技术的电力市场分析与预测方法 - Google Patents

基于多元数据技术的电力市场分析与预测方法 Download PDF

Info

Publication number
CN106651013A
CN106651013A CN201611095328.1A CN201611095328A CN106651013A CN 106651013 A CN106651013 A CN 106651013A CN 201611095328 A CN201611095328 A CN 201611095328A CN 106651013 A CN106651013 A CN 106651013A
Authority
CN
China
Prior art keywords
term
power market
electric power
long
multivariate data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611095328.1A
Other languages
English (en)
Inventor
杨强
蔡华祥
马红英
张茂林
刘双全
孙瑜
杨隽
程鹏
郑水斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yuxi Power Supply Bureau of Yunnan Power Grid Co Ltd
Original Assignee
Yuxi Power Supply Bureau of Yunnan Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yuxi Power Supply Bureau of Yunnan Power Grid Co Ltd filed Critical Yuxi Power Supply Bureau of Yunnan Power Grid Co Ltd
Priority to CN201611095328.1A priority Critical patent/CN106651013A/zh
Publication of CN106651013A publication Critical patent/CN106651013A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了基于多元数据技术的电力市场分析与预测方法从经济、政策、气象、节假日等多维度进行电力市场影响因素的分析，根据短期影响因素、中长期影响因素的不同，建立了短期电力市场SVM预测模型、中长期电力市场LSSVM预测模型，采用一种改进的粒子群算法对SVM参数进行寻优，使SVM预测精度更高，并且参数优化在分类器设计阶段自动完成，实现了短期和中长期电力市场的分析和预测，可以为电力营销及市场化交易提供辅助决策支持，有助于合理制定电力市场的长中短各期规划。

Description

基于多元数据技术的电力市场分析与预测方法
技术领域
本发明涉及电网电力市场分析与研究应用领域，具体涉及的是一种基于多元数据技术的电力市场分析与预测方法。
背景技术
目前对电力市场需求环境进行分析与预测往往基于电网企业内部自身的相关维度、相关信息，而在电力市场化交易与政府确定公益性调节性电量的新型市场模式下，这种传统统购统销模式下的电力市场分析与预测方法与模型已不适用，需要拓展分析视角，对影响电力市场需求的多方面因素，如企业内部与市场外部因素、短期因素与长期因素、电力市场化交易与非市场化供给因素综合考虑。
发明内容
本发明针对现有技术中存在的以上问题，旨在提供一种基于多元数据技术的电力市场分析与预测方法，其通过搭建多元数据库，建立多维度下的多元数据量化分析模型，挖掘经济发展要素与电力市场需求之间的关联关系与传导特征，实现市场环境下的电力需求分析与预测综合功能。
为了实现上述目的，本发明采用如下技术方案：
基于多元数据技术的电力市场分析与预测方法，包括以下步骤：
(1)搭建影响电力市场需求的多元数据指标库；
(2)采用指数平滑法和Min-max归一化方法，对多元数据指标库的数据进行标准化处理；
(3)将标准化处理后的数据分为短期电力市场需求影响因素和中长期电力市场需求影响因素；
(4)采用改进的粒子群算法优化支持向量机建立短期电力市场需求SVM预测模型，采用最小二乘支持向量机建立中长期电力市场需求LSSVM预测模型。
具体地，所述步骤四中采用改进的粒子群算法来优化SVM参数的步骤包括：
(1)初始化粒子群，设置粒子数、初始位置和初始速度；
(2)根据每个粒子的当前位置，获取SVM参数C及σ值，计算适应度函数；
(3)根据粒子适应度更新个体极值pbest和全局极值gbest，并更新粒子群的位置和速度；
(4)基于遗传杂交算子、免疫选择算子对粒子进行杂交操作和免疫选择；
(5)判断算法收敛准则是否满足，迭代次数i不大于最大迭代次数Max；
如不满足收敛准则，则转(2)；
如满足收敛准则，则输出最优参数C及σ，算法结束。
具体地，短期电力市场需求影响因素包括温度、湿度、降水量、工作日、节假日、季节性电价；中长期电力市场需求的影响因素包括经济总量、电力消费弹性系数、产品产量、价格、产业结构、行业迁移、电价政策、气温、日照时间、降雨量、相对湿度。
有益效果：本发明提供的基于多元数据技术的电力市场分析与预测方法从经济、政策、气象、节假日等多维度进行电力市场影响因素的分析，根据短期影响因素、中长期影响因素的不同，建立了短期电力市场SVM预测模型、中长期电力市场LSSVM预测模型，采用一种改进的粒子群算法对SVM参数进行寻优，使SVM预测精度更高，并且参数优化在分类器设计阶段自动完成，实现了短期和中长期电力市场的分析和预测，可以为电力营销及市场化交易提供辅助决策支持，有助于合理制定电力市场的长中短各期规划。
附图说明
图1是电力市场分析预测流程图；
图2是采用改进的粒子群算法来优化SVM参数的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
请参照图1和图2，本发明提供了一种基于多元数据技术的电力市场分析与预测方法，包括以下步骤：
(1)搭建影响电力市场需求的多元数据指标库；
(2)采用指数平滑法和Min-max归一化方法，对多元数据指标库的数据进行标准化处理；
(3)将标准化处理后的数据分为短期电力市场需求影响因素和中长期电力市场需求影响因素；
(4)采用改进的粒子群算法优化支持向量机建立短期电力市场需求SVM预测模型，采用最小二乘支持向量机建立中长期电力市场LSSVM需求预测模型。
具体地，所述步骤四中采用改进的粒子群算法来优化SVM参数的步骤包括：
(1)初始化粒子群：设置粒子数、初始位置和初始速度；
(2)根据每个粒子的当前位置，获取SVM参数C及σ值，计算适应度函数；
(3)根据粒子适应度函数更新个体极值pbest和全局极值gbest，并更新粒子群的位置和速度；
(4)基于遗传杂交算子、免疫选择算子对粒子进行杂交操作和免疫选择；
(5)判断算法收敛准则是否满足，迭代次数i不大于最大迭代次数Max；
如不满足收敛准则，则转(2)；
如满足收敛准则，则输出最优参数C及σ，算法结束。
具体地，短期电力市场需求影响因素包括温度、湿度、降水量、工作日、节假日、季节性电价；中长期电力市场需求的影响因素包括经济总量、电力消费弹性系数、产品产量、价格、产业结构、行业迁移、电价政策、气温、日照时间、降雨量、相对湿度。
本发明提供的基于多元数据技术的电力市场分析与预测方法从经济、政策、气象、节假日等多维度进行电力市场影响因素的分析，根据短期影响因素、中长期影响因素的不同，建立了短期电力市场SVM预测模型、中长期电力市场LSSVM预测模型，通过精确的量化分析模型，实现了短期和中长期电力市场的分析和预测，可以为电力营销及市场化交易提供辅助决策支持，有助于合理制定电力市场的长中短各期规划。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。

Claims (3)

1.基于多元数据技术的电力市场分析与预测方法，包括以下步骤：
(1)搭建影响电力市场需求的多元数据指标库；
(2)采用指数平滑法和Min-max归一化方法，对多元数据指标库的数据进行标准化处理；
(3)将标准化处理后的数据分为短期电力市场需求影响因素和中长期电力市场需求影响因素；
(4)采用改进的粒子群算法优化支持向量机(SVM)建立短期电力市场需求预测模型，采用最小二乘支持向量机(LSSVM)建立中长期电力市场需求预测模型。
2.根据权利要求1所述的基于多元数据技术的电力市场分析与预测方法，其特征在于，采用改进的粒子群算法来优化SVM参数的步骤包括：
(1)初始化粒子群，设置粒子数、初始位置和初始速度；
(2)根据每个粒子的当前位置，获取SVM参数C及σ值，计算适应度函数；
(3)根据粒子适应度更新个体极值pbest和全局极值gbest，并更新粒子群的位置和速度；
(4)基于遗传杂交算子、免疫选择算子对粒子进行杂交操作和免疫选择；
(5)判断算法收敛准则是否满足，迭代次数i不大于最大迭代次数Max；
如不满足收敛准则，则转(2)；
如满足收敛准则，则输出最优参数C及σ，算法结束。
3.根据权利要求1所述的基于多元数据技术的电力市场分析与预测方法，其特征在于：所述短期电力市场需求影响因素包括温度、湿度、降水量、工作日、节假日、季节性电价；所述中长期电力市场需求的影响因素包括经济总量、电力消费弹性系数、产品产量、价格、产业结构、行业迁移、电价政策、气温、日照时间、降雨量、相对湿度。
CN201611095328.1A 2016-12-02 2016-12-02 基于多元数据技术的电力市场分析与预测方法 Pending CN106651013A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611095328.1A CN106651013A (zh) 2016-12-02 2016-12-02 基于多元数据技术的电力市场分析与预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611095328.1A CN106651013A (zh) 2016-12-02 2016-12-02 基于多元数据技术的电力市场分析与预测方法

Publications (1)

Publication Number Publication Date
CN106651013A true CN106651013A (zh) 2017-05-10

Family

ID=58814154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611095328.1A Pending CN106651013A (zh) 2016-12-02 2016-12-02 基于多元数据技术的电力市场分析与预测方法

Country Status (1)

Country Link
CN (1) CN106651013A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615139A (zh) * 2018-12-14 2019-04-12 西安理工大学 一种基于文化遗传算法的居民中长期用电量预测方法
CN112926858A (zh) * 2021-02-26 2021-06-08 国网安徽省电力有限公司信息通信分公司 电力营销业务运营指标设计方法及装置
CN117853238A (zh) * 2024-01-15 2024-04-09 北京飔合科技有限公司 基于多数据源融合的电力交易辅助决策系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615139A (zh) * 2018-12-14 2019-04-12 西安理工大学 一种基于文化遗传算法的居民中长期用电量预测方法
CN112926858A (zh) * 2021-02-26 2021-06-08 国网安徽省电力有限公司信息通信分公司 电力营销业务运营指标设计方法及装置
CN117853238A (zh) * 2024-01-15 2024-04-09 北京飔合科技有限公司 基于多数据源融合的电力交易辅助决策系统

Similar Documents

Publication Publication Date Title
Al-Musaylh et al. Two-phase particle swarm optimized-support vector regression hybrid model integrated with improved empirical mode decomposition with adaptive noise for multiple-horizon electricity demand forecasting
Li et al. Monthly Henry Hub natural gas spot prices forecasting using variational mode decomposition and deep belief network
CN102682219B (zh) 一种支持向量机短期负荷预测方法
Amjadi et al. Estimation of electricity demand of Iran using two heuristic algorithms
Kumar et al. Optimal sizing of stand alone hybrid renewable energy system with load shifting
CN105139264A (zh) 一种基于粒子群算法小波神经网络的光伏发电量的预测方法
Lin et al. A hybrid short-term load forecasting approach for individual residential customer
CN109978253B (zh) 一种基于增量学习的电力系统短期负荷预测方法
CN104732296A (zh) 一种分布式光伏输出功率短期预测模型建模方法
CN109146063B (zh) 一种基于重要点分割的多分段短期负荷预测方法
CN106651013A (zh) 基于多元数据技术的电力市场分析与预测方法
CN106997495A (zh) 一种电力负荷预测方法
CN108921358A (zh) 一种电力负荷特征的预测方法、预测系统及相关装置
CN116526473A (zh) 基于粒子群优化lstm的电热负荷预测方法
CN110751327A (zh) 基于多元线性回归和灰色Verhulst模型的长期负荷组合预测法
Deng et al. Distributed electricity load forecasting model mining based on hybrid gene expression programming and cloud computing
CN111401651A (zh) 一种基于lstm网络预测物资采购需求量的方法
CN109190820B (zh) 一种考虑用户流失率的电力市场售电量深度预测方法
Ertugrul et al. Smart city planning by estimating energy efficiency of buildings by extreme learning machine
Babić et al. Transmission expansion planning based on Locational Marginal Prices and ellipsoidal approximation of uncertainties
Garrett et al. Scalable tuning of building models to hourly data
CN109426901A (zh) 一种中长期用电预测方法及装置
CN109002943B (zh) 考虑负荷分类的分布式风电源与电容器联合动态规划方法
CN118261402B (zh) 基于城市多源数据的充电站空间电量预测的方法与系统
CN109214610A (zh) 一种基于长短期记忆神经网络的饱和电力负荷预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170510