CN119477383A 一种基于多维电力数据的电价预测方法及系统 （中能建(北京)能源研究院有限公司）

一种基于多维电力数据的电价预测方法及本发明公开了一种基于多维电力数据的电习能力，能够根据实时变化的数据进行自我更2S101：获取电力市场的多维电力数据，多维电变化特征分类模型和电力负荷特征分类模型均对应有电力特征序列；根据电价变化特征分类模型对应的电力特征序列与电力负荷特征分类模型对应的电根据电力因果特征集和多维电力数据集，对初始电价预测模型进行若多维电力数据中的某一数据维度存在异常或缺失，则对异常基于预处理后的多维电力数据，利用电价预测模型对未来时段的电若电价预测结果中的电价波动幅度未超过预设3将最新的气象特征和用户行为特征添加至电力因果特征集中，得到更根据对应多维电力数据的训练集和更新后的电力因果特征集，将电价预测训练样本集中包括的至少一个训练样本中的每个训练样本输入至初始电根据至少一个训练样本中的每个训练样本对应的词向量集和初始电对至少一个训练样本中的各个训练样本对应的预测电价和实际电构建电价预测模型单元，用于基于多维电力数据，构获取电价预测结果，用于通过电价预测模型对未来时段的第二获取数据模块，用于从电力市场交易平台或电力公司数据库中提取历史电价数第三获取数据模块，用于通过气象监测设备或气象数据4变化特征分类模型和电力负荷特征分类模型均对应有电力特征序列；根据电价变化特征分类模型对应的电力特征序列与电力负荷特征分类模型对应的电根据电力因果特征集和多维电力数据集，对初始电价预测模型进行5一的数据源无法全面反映电价的波动特性。现有的方法缺乏对多维电力数据的综合利用，6[0019]根据电价变化特征分类模型对应的电力特征序列与电力负荷特征分类模型对应[0024]基于预处理后的多维电力数据，利用电价预测模型对未[0033]将电价预测训练样本集中包括的至少一个训练样本中的每个训练样本输入至初[0034]根据至少一个训练样本中的每个训练样本对应的词向量7[0051]根据电价变化特征分类模型对应的电力特征序列与电力负荷特征分类模型对应89[0080]根据电价变化特征分类模型对应的电力特征序列与电力负荷特征分类模型对应[0092]将电价变化率和电力负荷变化率的变化率集合与对应的第二权重值进行加权求变化和电力负荷分类模型生成的特征序列，确定电力因果特征集。该特征集通过因果分析技术(如Granger因果分析)来识别电价与电力负荷之间的因果关系，例如在高峰负荷时期测精度。皮尔逊相关系数或其他适当的相关性度量方法。通过相关系数判断两者之间的关系强度，荷变化率的变化率集合与对应的第二权重值进行加权求和，得到一个综合的因果关系值。如果加权求和结果大于等于设定的求和阈值，则认为该因果关系对电力系统的影响是显著[0114]基于预处理后的多维电力数据，利用电价预测模型对未价之间的偏差。若偏差超过预设误差阈值(如实使模型能够适应新数据，从而在不断变化的电力市场环境下保持预测的准确性和稳定性。特征(如未来几天的气温预测)和用户行为特征(如用电高峰时段的变化)添加到电力因果模型能够根据最新数据进行调整。即使气象条件发生突变或用户行为模式发生重大变化，[0133]将电价预测训练样本集中包括的至少一个训练样本中的每个训练样本输入至初[0134]根据至少一个训练样本中的每个训练样本对应的词向量型的鲁棒性和可靠性。稳定和准确的电价预测为电力公司和用户提供了更可靠的决策支[0168]第三获取数据模块：部署气象监测设备或通过气象数据接口获取实时气象数[0173]根据电价变化特征分类模型对应的电力特征序