[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

说明书

本发明公开了一种基于改进的深度信念网络的电力价格预测方法，步骤为：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；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；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；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。本发明建立结构优化的DBN模型，并对网络的回归层进行不同的结合改进，提高了DBN的预测精度，具有很好的应用前景。

技术领域

本发明涉及一种电力价格预测技术，具体为一种基于改进的深度信念网络的电力价格预测方法。

背景技术

随着能源互联网的发展、我国电力改革的逐渐深入，大量中小型电力企业及电力用户涌入市场，迫切希望可以更快更准确地从互联网上获取到电力市场的信息，提供更方便的服务。在竞争的电力市场环境中，电量被视为商品一样进行交易，电价是单位电能商品价格的总称。在市场上电力交易的过程中，交易参与者包括发电商、售电方以及购电方，他们更加关注电力价格的确定，电价是电力交易中至关重要的影响因素，决定了电能在电力市场中的流向以及配给，可以反应电力市场中的供求关系，同时也是控制电力市场交易的经济风向标。如今对于电力市场中的改革发生在世界各国，使得电价在电力市场中的取得了愈发重要的地位。国内外的研究者和电力企业致力于对本行业中各个环节的研究，其中电价预测受到了更多的关注。

所谓电价预测，即在电力市场环境下，使用不同的数学工具、预测方法，考虑影响电价的多种不同因素，对历史电价以及影响因素进行分析总结，探索数据之间的内在联系和变化规律，对未来电力市场中电价走势做出合理的预判。预测出的电价具有实时性，在可接受的精度范围及速度内，用于指导一定时间段的电力市场中的交易。

在竞争性电力市场中，不同事物电力企业之间竞争越来越激烈，交易组织频度越来越高，市场主体的范围扩大的同时，用户量呈几何数增加，这将影响电力市场交易中交易主体的选择。以电力市场中的双边交易为例，由电力交易中心组织电力交易，在政府控制的交易规则下，交易双方自行商议电价、电量，达成双边直接交易协议意向后，提交电力交易中心，交易中心根据汇总的交易信息，组织安全校验和执行完成交易。在这一过程中，准确的电价预测将是决定交易参与者选择交易的重要指标，了解电价的走向，有助于交易双方的利益最大化，降低交易双方的竞价成本，为市场参与者带来稳定可观的收益。

电价预测在电力市场中一直备受人们的关注，通过电价预测可以直接了解电力市场的运营走势，是评价市场竞争效率的重要指标，可以影响市场参与者的交易判断，优化资源配置，提高企业的经济效益，从而提升整个社会的经济效益，保障社会的可持续发展，促进社会的全面进步。

目前市场中常用的电价预测模型没有结合深度学习进行探讨。随着深度学习的发展，市场中电价数据的增加，可以适当考虑结合深度学习理论提出一种新的电价预测模型，利用深度信念网络在电价预测领域内进行应用。但是，深度信念网络由于其本身的结构特点，不同神经层以及神经网络节点数目都将对模型结果产生影响，因此，如何确定恰当的神经层数以及神经元节点数目成为技术难点。

发明内容

针对现有技术中电力价格预测模型如何确定恰当的神经层数以及神经元节点数目成为技术难点等不足，本发明要解决的问题是提供一种可提高DBN预测精度的基于改进的深度信念网络的电力价格预测方法。

为解决上述技术问题，本发明采用的技术方案是：

本发明一种基于改进的深度信念网络的电力价格预测方法，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；