[发明专利]电力价格预测方法、电力价格预测模型训练方法及装置

权利要求书

1.一种电力价格预测方法，其特征在于，包括：

获取待预测电力数据；

将所述待预测电力数据输入已训练的自编码器中，得到所述待预测电力数据对应的第一隐含特征，其中，所述已训练的自编码器使用的训练数据包括历史电力价格数据和历史影响因素数据；

将所述第一隐含特征输入已训练的极限学习机中，得到预测电力价格。

2.根据权利要求1所述的电力价格的预测方法，其特征在于，所述已训练的自编码器包括第一去噪编码器和第二去噪编码器，则所述将所述待预测电力数据输入已训练的自编码器中，得到所述待预测电力数据对应的第一隐含特征，包括：

将所述待预测电力数据输入已训练的自编码器中的第一去噪自编码器，获取第二隐含特征；

将所述第二隐含特征输入已训练的自编码器中的第二去噪自编码器，获取第一隐含特征。

3.根据权利要求1所述的电力价格的预测方法，其特征在于，所述将所述待预测电力数据输入已训练的自编码器中的第一去噪自编码器，获取第二隐含特征，包括：

将所述待预测电力数据输入已训练的自编码器中的第一去噪自编码器，以使得所述第一去噪自编码器对所述待预测电力数据加入高斯噪音，得到扰动电力数据；

利用所述第一去噪自编码器对应的特征映射函数对所述扰动电力数据进行特征提取，获取第二隐含特征。

4.根据权利要求1所述的电力价格的预测方法，其特征在于，

所述待预测电力数据包括温度数据、湿度数据和时间数据。

5.一种电力价格预测模型训练方法，其特征在于，包括：

获取训练数据，所述训练数据包括历史电力价格数据和历史影响因素数据；

根据所述训练数据训练得到优化自编码器，所述优化自编码器用于对训练数据进行特征提取，获取训练数据对应的隐含特征；

根据所述训练数据和所述隐含特征训练得到极限学习机，所述极限学习机用于根据所述隐含特征预测电力价格。

6.根据权利要求5所述的电力价格预测模型的训练方法，其特征在于，所述根据所述训练数据训练得到优化自编码器，包括：

将所述训练数据中的历史影响因素数据输入至初始化自编码器中，所述历史影响因素数据在所述初始化自编码器中经过至少一次扰动、至少一次特征提取和一次重构，得到输出数据；

根据所述历史影响因素数据和所述输出数据构建损失函数；

根据所述训练数据和所述损失函数训练所述初始化自编码器，得到优化自编码器。

7.一种电力价格预测装置，其特征在于，包括：

获取处理模块，用于获取待预测电力数据；

提取处理模块，用于将所述待预测电力数据输入已训练的自编码器中，得到所述待预测电力数据对应的第一隐含特征，其中，所述已训练的自编码器使用的训练数据包括历史电力价格数据和历史影响因素数据；

预测处理模块，用于将所述第一隐含特征输入已训练的极限学习机中，得到预测电力价格。

8.一种电力价格预测模型的训练装置，其特征在于，包括：

数据获取模块，用于获取训练数据，所述训练数据包括历史电力价格数据和历史影响因素数据；

特征提取模型，用于根据所述训练数据训练得到优化自编码器，所述优化自编码器用于对训练数据进行特征提取，获取训练数据对应的隐含特征；

价格预测模块，用于根据所述训练数据和所述隐含特征训练得到极限学习机，所述极限学习机用于根据所述隐含特征预测电力价格。

9.一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1至6中任一所述的方法。

10.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至6中任一所述的方法。