申请/专利权人:中国电力科学研究院有限公司;国网青海省电力公司
申请日:2023-12-29
公开(公告)日:2024-04-02
公开(公告)号:CN117808519A
主分类号:G06Q30/0202
分类号:G06Q30/0202;G06Q30/0201;G06Q50/06;G06F18/211;G06F18/2431;G06N3/0499;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开了一种基于DNN的现货电价日前预测方法及系统,方法包括:采集日前电价相关因子构建电价预测数据集,作为输入特征;构建树结构Parzen估计器优化模型和DNN模型,对输入特征与DNN模型的超参数采用树结构Parzen估计器优化模型优化,得到多个特征子集;利用DNN模型对优化后的多个特征子集分别进行训练,对现货电价进行日前预测,得到多个预测结果;对多个预测结果进行集成组合,获得集成DNN模型的预测结果;使用多种误差评价标准对预测结果进行评估,在多种单一模型与集成DNN模型中选择满足要求的现货电价日前预测模型。该方法基于深度学习的DNN模型对电价信号具有更强的特征学习能力与拟合能力,能够适应具有较强波动性的电价序列。
主权项:1.一种基于DNN的现货电价日前预测方法,其特征在于,包括:采集日前电价相关因子构建电价预测数据集,作为输入特征;构建树结构Parzen估计器优化模型和DNN模型,对输入特征与DNN模型的超参数采用树结构Parzen估计器优化模型优化,得到多个特征子集;利用DNN模型对优化后的多个特征子集分别进行训练,对现货电价进行日前预测,得到多个预测结果;对多个预测结果进行集成组合,获得集成DNN模型的预测结果;使用多种误差评价标准对预测结果进行评估,在多种单一模型与集成DNN模型中选择满足要求的现货电价日前预测模型。
全文数据:
权利要求:
百度查询: 中国电力科学研究院有限公司;国网青海省电力公司 一种基于DNN的现货电价日前预测方法及系统
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。