[发明专利]一种电力价格数据处理方法和装置

说明书

技术领域

本发明涉及电力价格数据处理领域，特别涉及一种电力价格数据处理方法和装置。

背景技术

作为一种清洁和高效的能源，电力能源在我国的经济系统中扮演着重要的角色，而电力能源系统的安全性和可靠性需要一个稳定的电力市场价格来维持。因此，对电力能源系统和电力市场而言，准确的电力价格预测是极为重要的。目前，针对电力价格预测的方法主要分为两大类：第一类是因素预测法，即通过建立电力价格与其各影响因素之间的定量关系来实现电力价格预测。该方法具有明确的物理意义，但由于电力价格的影响因素复杂，涉及数据量大，且各影响因素之间具有高度的非线性关系，难以建立精确的预测模型。第二类是基于时间序列的预测方法，该类方法又可细分为两小类，即针对原始电力价格时间序列的预测方法和融入数据分解技术(例如，经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD))的电力价格时间序列预测方法。由于电力价格时间序列数据自身具有的高度非平稳性、非线性及随机性的特点，导致针对原始电力价格时间序列的预测方法难以获得准确的预测结果。目前，融入数据分解技术的电力价格时间序列预测方法，只采用单一数据分解技术对电力价格时间序列数据进行分解以降低数据序列的非平稳性，这种方法在一定程度上提高了预测精度，但由于其分解后的数据序列中依然存在高频震荡数据序列，导致预测精度难以有效提高。

发明内容

本申请实施例通过提供一种电力价格数据处理方法和装置，解决了现有技术中难以建立精确的电力价格预测模型，难以获得准确的电力价格预测结果，电力价格预测精度难以有效提高的问题，具有有效抑制分解后的模态混叠问题，提高电力价格预测精度的技术效果。

本申请实施例提供一种电力价格数据处理方法，所述方法包括：

获得所述电力价格样本数据；对所述电力价格样本数据进行分解，获得m个IMF分量；获得第一条高频IMF分量，其中所述第一条高频IMF分量为所述m个IMF分量中频率最高的IMF分量；对所述第一条高频IMF分量进行分解，获得n个VM分量；利用FA-BP模型对所述n个VM分量进行多步预测，获得所述n个VM分量的预测值；利用FA-BP模型对除所述第一条高频IMF分量外的其它IMF分量进行多步预测，获得所述其他IMF分量的预测值；将所述n个VM分量的预测值线性叠加，获得所述第一条高频IMF分量的预测值；将所述第一条高频IMF分量的预测值和所述其他IMF分量的预测值线性叠加，获得所述电力价格的预测值。

进一步地，所述电力价格样本数据的长度大于500。

进一步地，使用FEEMD分解方法对所述电力价格样本数据进行分解，所述FEEMD分解方法包括：向所述电力价格样本数据中加入第l组辅助白噪声，获得加入第l组辅助白噪声的电力价格样本数据，其中，l依次取1，2，3…N，N为正整数；利用EEMD方法对所述加入第l组辅助白噪声的电力价格样本数据进行分解，获得第l组IMF分量；对N组IMF分量取平均值，获得一组IMF分量，其中，所述一组IMF分量为m个IMF分量，m为大于1的自然数。

进一步地，使用VMD分解方法对所述第一条高频IMF分量进行分解，所述VMD分解方法包括：初始化各模态中心频率和算子{λ¹}；根据式和更新y_k和w，其中，和分别代表f(t)，y_i(t)，λ(t)和的傅里叶转换，n为正整数，代表迭代次数，f(t)为原始信号，y_k是信号f(t)的第k个分量，k为正整数；根据式更新λ；判断是否其中所述e＞0；若停止迭代。

进一步地，所述多步预测包括：所述多步预测的输入输出表达形式为h∈{1，2，...，H}其中，为预测值，h为提前步数。

进一步地，所述FA-BP模型的输入包括所述电力价格数据序列的每前k个数据，表示为x_i+1,x_i+2,…,x_i+k为从第i个数据起的连续k个数据，为预测值，f为FA-BP模型。

进一步地，所述提前步数h包括：h为1或2或4或6。

本申请实施例还提供一种电力价格数据处理装置，所述装置包括：