[发明专利]一种基于WPD和WNN的短期电价预测方法在审
| 申请号： | 202111528340.8 | 申请日： | 2021-12-14 |
| 公开（公告）号： | CN114387012A | 公开（公告）日： | 2022-04-22 |
| 发明（设计）人： | 段震宇;刘天羽;邹定江;王勉 | 申请（专利权）人： | 上海电机学院 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02;G06Q50/06;G06N3/04;G06N3/08 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 杨元焱 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 wpd wnn 短期 电价 预测 方法 | ||
1.一种基于WPD和WNN的短期电价预测方法，其特征在于，包括以下步骤：
1)对历史电价数据进行预处理；
2)通过WPD算法剔除历史电价数据中的随机波动的数据，获得重构电价数据；
3)将重构电价序列输入训练好的WNN模型，获得预测电价。
2.根据权利要求1所述的一种基于WPD和WNN的短期电价预测方法，其特征在于，所述的步骤2)包括：
21)对历史电价数据进行三层WPD处理，获得分解信号以及对应的频率；
22)删除频率大于设定阈值的分解信号，对剩余的分解信号进行重构，获得重构电价序列；
23)对重构电价序列进行数据归一化，获得重构电价数据。
3.根据权利要求2所述的一种基于WPD和WNN的短期电价预测方法，其特征在于，所述的步骤3)包括：
31)将重构电价数据输入训练好的WNN模型，获得预测数据；
32)对预测数据进行反归一化，获得预测电价。
4.根据权利要求2所述的一种基于WPD和WNN的短期电价预测方法，其特征在于，所述的数据归一化的计算公式为：
其中，为归一化后的输入变量，x为归一化前的输入变量，xmax和xmin分别为x的最大值和最小值。
5.根据权利要求1所述的一种基于WPD和WNN的短期电价预测方法，其特征在于，所述的WNN模型为紧致型小波神经网络。
6.根据权利要求5所述的一种基于WPD和WNN的短期电价预测方法，其特征在于，所述的紧致型小波神经网络中的Sigmoid激活函数替换为Morlet小波基函数。
7.根据权利要求6所述的一种基于WPD和WNN的短期电价预测方法，其特征在于，所述的Morlet小波基函数h的公式为：
其中，x为输入。
8.根据权利要求6所述的一种基于WPD和WNN的短期电价预测方法，其特征在于，所述的紧致型小波神经网络中的隐含层的输出计算公式为：
其中，j＝1,2,3,…m，m为隐含层神经元个数，n为紧致型小波神经网络输入层的节点数量，p(j)为隐含层的第j个输出，wij为紧致型小波神经网络输入层的第i个神经元与第j个神经元之间的连接权值，xi为第i个输入，aj为Morlet小波基函数的伸缩因子，bj为Morlet小波基函数的平移因子。
9.根据权利要求8所述的一种基于WPD和WNN的短期电价预测方法，其特征在于，所述的紧致型小波神经网络的输出层的输出计算式为：
其中，wjk为隐含层与输出层之间的连接权值。
10.根据权利要求1所述的一种基于WPD和WNN的短期电价预测方法，其特征在于，所述的步骤1)包括：
通过均值插补法处理历史电价数据中的缺失数据和异常数据。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海电机学院，未经上海电机学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111528340.8/1.html，转载请声明来源钻瓜专利网。
