[发明专利]一种基于风电竞价的量价预测的方法及装置

说明书

本发明提出了一种基于风电竞价的量价预测的方法及装置。包括：获取用户需求，根据用户需求获取历史量价数据作为待处理量价数据；建立k‑means聚类算法，根据该k‑means聚类算法对待处理量价数据进行处理，设定划分标准，根据该划分标准将待处理量价划分为训练组量价以及测试组量价；建立长短期记忆网络模型，根据该长短期记忆网络模型通过训练组量价建立量价预测模型，通过该测试组量价对量价预测模型进行优化，并根据用户需求，通过优化后的量价预测模型对量价进行预测。本发明通过建立k‑means聚类算法对于待处理量价数据进行分类提纯，然后利用长短期记忆网络模型建立量价预测模型，不仅能够实现量价的精确预测，同时能够很好为用户量价决策进行辅助。

技术领域

本发明涉及风电市场竞价技术领域，尤其涉及一种基于风电竞价的量价预测的方法及装置。

背景技术

现有的风电竞价对交易量和交易价格的预测往往是参考往年同期的数据进行判断，或者根据当前经济政策以及供需的形式，主观给定成交的量价。为了对交易量价进行更具体的量化分析和预测，基于神经网络、成本分析等量价预测的方法层出不穷。

但是，这种方式往往不确定因素很多、数据不充分导致预测准确度不高。电价预测往往需要对系统的负荷需求、其他公司的投标行为、输电网络情况、电力市场的运行情况等有全面的掌握，由于电力市场随机性和投机性大，电价规律不易掌握，所以量价预测很难有理想的方法。所以，亟需一种基于风电竞价的量价预测的方法，能够对竞价量价进行预测。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

有鉴于此，本发明提出了一种基于风电竞价的量价预测的方法及装置，旨在解决现有技术无法通过长短期记忆网络来对风电竞价量价进行精确预测的问题的技术问题。

本发明的技术方案是这样实现的：

一方面，本发明提供了一种基于风电竞价的量价预测方法，所述基于风电竞价的量价预测方法包括以下步骤：

S1，获取用户需求，根据用户需求获取历史量价数据作为待处理量价数据；

S2，建立k-means聚类算法，根据该k-means聚类算法对待处理量价数据进行处理，设定划分标准，根据该划分标准将待处理量价划分为训练组量价以及测试组量价；

S3，建立长短期记忆网络模型，根据该长短期记忆网络模型通过训练组量价建立量价预测模型，通过该测试组量价对量价预测模型进行优化，并根据用户需求，通过优化后的量价预测模型对量价进行预测。

在以上技术方案的基础上，优选的，步骤S1中，获取用户需求，根据用户需求获取历史量价数据作为待处理量价数据，还包括以下步骤，获取用户需求，所述用户需求包括：对手信息数据以及交易的风电量价数据，设定数据抓取规模以及数据记录时间，根据数据抓取规模、数据记录时间以及用户需求抓取对应的历史量价数据和对应的对手信息数据，将对手信息数据与历史量价数据进行绑定，并将该历史量价数据作为待处理量价数据。

在以上技术方案的基础上，优选的，步骤S2中，建立k-means聚类算法，根据该k-means聚类算法对待处理量价数据进行处理，设定划分标准，根据该划分标准将待处理量价划分为训练组量价以及测试组量价，还包括以下步骤，建立k-means聚类算法，通过k-means聚类算法将待处理量价数据分为多个不同类别，将无法分类的待处理量价数据作为异常交易数据进行剔除，保留分为多个不同类别的待处理量价数据，设定划分标准，根据该划分标准将待处理量价划分为训练组量价以及测试组量价。