申请/专利权人:南昌交通学院
申请日:2022-09-14
公开(公告)日:2023-01-20
公开(公告)号:CN115630979A
主分类号:G06Q30/0201
分类号:G06Q30/0201;G06F18/2321;G06Q50/06;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.02.14#实质审查的生效;2023.01.20#公开
摘要:本申请实施例公开了一种日前电价的预测方法、装置、存储介质及计算机设备,涉及电价预测领域。本申请基于皮尔逊系数选择特征,然后使用DBSCAN算法对电价数据集进行异常值检测,然后训练不带池化层的NPCNN以保证最小化网络结构,再应用小波变换分解的子频率序列训练决策树,利用训练好的NPCNN预测日前电价和训练好的决策树预测误差,将预测的日前电价和误差进行叠加得到最终的日前预测电价,可与提高模型训练过程中的收敛速度,以及提高训练效果,以及提高预测过程的预测精度。
主权项:1.一种日前电价的预测方法,其特征在于,包括:获取历史电价数据集;其中,所述历史电价数据集包括多个电价数据,所述电价数据包括:时间点、该时间点的真实电价、该时间点的预测电价和该时间点上采集的多个潜在影响因子;根据所述历史电价数据集,计算各个潜在影响因子和电价之间的皮尔逊系数;根据计算的皮尔逊系数在所述多个潜在影响因子中筛选出目标影响因子;根据具有噪声的基于密度的聚类DBSCAN算法,在筛选后的历史电价数据集中剔除异常电价数据,以及对剔除的异常电价数据进行填充处理;根据预设比例对填充后的历史电价数据集进行划分得到训练集、验证集和测试集;利用所述训练集对非池化卷积神经网络NPCNN进行训练;计算所述验证集中真实电价和日前预测电价的差值得到预测误差序列;利用小波变换对所述预测误差序列进行分解得到子频率序列;利用所述子频率序列对决策树进行训练;利用训练好的NPCNN在当前时刻进行电价预测得到日前预测电价;利用训练好的决策树在当前时刻进行误差预测得到日前电价预测误差;将所述日前预测电价和所述日前电价预测误差进行叠加得到最终日前预测电价。
全文数据:
权利要求:
百度查询: 南昌交通学院 日前电价的预测方法、装置、存储介质及计算机设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。