申请/专利权人：深圳华茂能联科技有限公司

申请日：2023-04-08

公开（公告）日：2023-08-01

公开（公告）号：CN116523540A

主分类号：G06Q30/0201

分类号：G06Q30/0201;G06Q50/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.08.18#实质审查的生效;2023.08.01#公开

摘要：本发明提供一种基于自适应LGBM的超短期电价预测方法，涉及电气工程技术领域。方法包括：收集与预处理预设时长内的历史电价数据，形成样本库；将样本库拆分为训练集与验证集，并采用LGBM算法、利用训练集对日前电价预测模型进行训练；S5：初始化日前电价预测模型，并采用LGBM算法、利用训练集对日前电价预测模型进行训练；利用验证集测试训练后的日前电价预测模型的预测精度，记录日前电价预测模型的预测精度；从训练后的日前电价预测模型中选取精度最高者，作为最优模型；采集实时电价数据，形成预测模型特征向量，输入到最优模型中，输出实时电价数据预设时长内的电价预测结果。该方法能够准确、及时地预测出日前电价。

主权项：1.一种基于自适应LGBM的超短期电价预测方法，其特征在于，所述方法包括：S1：收集与预处理预设时长内的历史电价数据，形成信息样本；S2：对所述信息样本进行特征工程处理，形成有效模型特征；S3：根据所述有效模型特征，形成样本库；S4：将所述样本库按时间顺序和预设比例拆分为训练集与验证集；S5：初始化日前电价预测模型，并采用LGBM算法、利用训练集对所述日前电价预测模型进行训练；S6：利用所述验证集测试训练后的所述日前电价预测模型的预测精度，记录所述日前电价预测模型的预测精度；S7：判断训练过程中的迭代次数i是否达到最大迭代次数N，若否，则返回S5，若是，则执行S8；S8：从训练后的所述日前电价预测模型中选取精度最高者，作为最优模型；S9：采集实时电价数据；S10：将S9中的所述实时电价数据，形成预测模型特征向量；S11：将S10中的所述预测模型特征向量输入到S8中的所述最优模型中，输出所述实时电价数据预设时长内的电价预测结果；所述方法还包括：在S9完成之后，将S9中采集的所述实时电价数据作为历史电价数据，用于更新S1中形成的所述信息样本，并继续执行S1～S8，更新所述最优模型，并将更新后的所述最优模型用于下一次电价的预测。

全文数据：

权利要求：

百度查询： 深圳华茂能联科技有限公司 基于自适应LGBM的超短期电价预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD