[发明专利]一种基于改进的深度信念网络的电力价格预测方法

权利要求书

1.一种基于改进的深度信念网络的电力价格预测方法，其特征在于包括以下步骤：

1)根据电价数据特点以及电价的影响因素，划分数据集并确定网络数据输入，对采用数据集进行数据预处理；

2)针对预处理后的数据集，利用二阶重构误差计算网络误差，确定模型RBM的层数；

3)利用结合三分法和二分法的“三+二”查找算法优化网络中的神经元节点个数；

4)分别利用BP神经网络和SVR支持向量回归机作为DBN网络的回归层，结合RBM的层数和优化后的神经元节点个数，构造结构优化的DBN-BP模型和DBN-SVR模型，对实时电价数据进行预测。

2.根据权利要求1所述的基于改进的深度信念网络的电力价格预测方法，其特征在于：步骤3)中，利用结合三分法和二分法的“三+二”查找算法优化网络中的神经元节点个数是根据传统的二分查找法以及改进的三分查找法，对其计算过程进行优化，具体为：

301)在缩短区间的三分查找算法中，设置数据值的取值范围为[a,d]，选取四个数值点x_a，x_b，x_c，x_d，将数据域划分为三段，其中x_a取边界值点a，x_d取边界值点d，x_b是[a,d]区间的1/3处点，x_d是区间[a,d]区间的2/3处点，然后分别计算划分后的三个小区间的第一～三斜率k₁，k₂，k₃，取值规则如下：

第一斜率k₁<0，第三斜率k₃>0，并且第二斜率k₂的绝对值最小；

302)利用二分法，在绝对值最小的区间[b,c]内存在最小值点，对存在最小值的区间[b,c]进行二分查找法对一组有序的数据进行查找分析，然后迭代的使用二分查找法直至找到最小值点，确定隐藏层节点数目。

3.根据权利要求2所述的基于改进的深度信念网络的电力价格预测方法，其特征在于：步骤301)中，如果出现数据曲线震荡情况不利于斜率的判断时，选择递增法计算，依次增加神经元个数然后进行判断；在判断数据曲线的大致形状时，利用三段斜率，根据斜率的不同组合出现以下几种情况：

301A)k₁＜0&&k₂＞0&&k₃＜0；

斜率小于0，表明在此区间内误差随着神经元个数的增加而下降，反之，斜率大于0表明误差在增加，是误差在第一个数据段内下降，在第二个数据段内上升，在第三个数据段内下降，数据曲线出现震荡；

301B)k₁＜0&&k₂＞0&&k₃＞0

表明计算的误差随着神经元个数的增长先下降然后在增加，误差最小值存在于前两个区间段内，需要比较斜率的绝对值；

301C)k₁＜0&&k₂＜0&&k₃＞0

表明误差变化先下降在上升，此时最小值点可能会存在与后两个区间段内，与301B)的情况相同，比较斜率的绝对值计算出最小值所在区间；

301D)k₁＜0&&k₂＜0&&k₃＜0

当计算出的三段数据区间斜率都小于0时，计算出的数据误差随着神经单元的增加单调递减，最小值点存在于最后一个数据区间；

301E)k₁＞0&&k₂＞0&&k₃＞0

表明当计算的三段数据斜率均大于0时，数据误差呈单调递增的趋势，因此误差最小值点存在于第一个区间内。