[发明专利]一种基于WPD和WNN的短期电价预测方法

说明书

本发明涉及一种基于WPD和WNN的短期电价预测方法，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。与现有技术相比，本发明具有抗干扰能力强、预测精度高等优点。

技术领域

本发明涉及电价预测技术领域，尤其是涉及一种基于WPD和WNN的短期电价预测方法。

背景技术

现在的电力市场中，准确预测电价对电力需求和供给以及优化调度都有非常重要的意义。准确的电价预测对于发电厂商以及电力市场交易决策者都有着重要的作用。通过电价预测来实时调整生产计划以及做一些相关的电力决策，以此来达到资源的最优分配以及效益的最大化。对于电力市场的参与者来说，使他们的风险降到最低，实现利益的最大化。

由于在实时电价预测方面，实时电价具有非线性以及非平稳性的特点，传统的电价预测已经满足不了现有的复杂情况，达不到预期的效果。在目前技术中，预测电价方法主要有时间序列法以及人工智能模型，但是它们分别有自己的缺点。时间序列法缺点在于缺乏电价外的影响因素考虑很少，使得精度不高。人工智能模型在预测时难以深入挖掘时间序列的内部规律，缺乏对时序数据时间相关性的考虑。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于WPD和WNN的短期电价预测方法，抗干扰能力强，预测精度高。

本发明的目的可以通过以下技术方案来实现：

一种基于WPD和WNN的短期电价预测方法，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。

进一步地，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。

进一步地，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。

进一步地，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，x_max和x_min分别为x的最大值和最小值。

进一步地，所述的WNN模型为紧致型小波神经网络。

进一步地，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。

进一步地，所述的Morlet小波基函数h的公式为：

其中，x为输入。

进一步地，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：