[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

说明书

本发明公开了一种电力价格预测方法、电力价格预测模型训练方法、装置、可读介质及电子设备，该方法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。本发明提供的技术方案通过已训练的自编码器可以获取到多维的待预测电力数据的有效表达即第一隐含特征，并通过将该第一隐含特征输入到已训练的极限学习机中，即将更多对电力价格产生影响的信息输入到极限学习机中，从而使得利用极限学习机得到的预测电力价格的准确性较高。

技术领域

本发明涉及能源领域，尤其涉及电力价格预测方法、电力价格预测模型训练方法及装置。

背景技术

随着电力交易市场的逐渐形成，电力交易价格成为了影响电力交易购售决策的重要一环，使得对电力价格进行准确预测变得越来越重要。

目前，常常采用时间序列或相似日等算法对电力价格进行预测，上述预测方法只考虑了时间因素对电力价格的影响，忽略了其他因素对电力价格的影响，致使上述预测方法得到的预测电力价格准确性较低。

发明内容

本发明提供了一种电力价格预测方法、电力价格预测模型训练方法、装置、可读介质及电子设备，通过自编码器和极限学习机的结合对电力价格进行预测，获取到的预测电力价格的准确性较高。

第一方面，本发明提供了一种电力价格预测方法，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。

优选地，

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。

优选地，

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。

优选地，

所述待预测电力数据包括温度数据、湿度数据和时间数据。

第二方面，本发明提供了一种电力价格预测模型训练方法，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。

优选地，

所述根据所述训练数据训练得到优化自编码器，包括：