[发明专利]一种耦合碳价的电价预测方法

说明书

本发明公开了一种耦合碳价的电价预测方法，包括以下步骤：S1、电价的集成经验模态分解与重构；S2、碳价的集成经验模态分解与重构；S3、电价长期趋势与碳价长期趋势关系构建；S4、碳价长期趋势与碳排放空间的关系构建；S5、根据S3与S4构建耦合碳价的电价预测模型；S6、GRU神经网络模型构建；S7、对电价分解后的高频分量建立GRU神经网络进行训练；S8、使用测试集数据S7作为输入进行高频项预测；S9、预测结果求和S5+S8得到最终输出。本发明耦合了电价与碳价的长期趋势关系，也体现了碳中和目标与长期碳价的均衡关系，也发挥了EEMD模型与GRU神经网络模型的优势，提高了模型预测的泛化能力，可以应用于现在碳市场与电力市场并存的情景。

技术领域

本发明涉及电价预测技术领域，更具体地说是一种耦合碳价的电价预测方法。

背景技术

随着电力市场改革的持续推进，电力的一般商品属性将更加凸显。同时随着碳市场覆盖范围的扩大，电力供应侧与电力用户侧都将进入碳交易市场，而碳价的变化将极大地影响电价的变化，通过建立相关模型对历史电价数据进行频率分解，分析电价的短期震动与长期趋势变化，并通过时间序列分析出电价与碳价的长期内在关系，并在此基础上对未来电力市场的边际价格进行预测。从发电侧来看，考虑了碳价的电价预测，可有利于生产决策，从而构建最优的发电安排与报价策略；从用电侧来看，考虑了碳价的电价预测，可依据用电成本，制定合理的用电计划及减排计划。同时考虑了碳价的电价，也可为社会提供一般的成本预期，有利于市场的稳定。

目前，对于电价预测的文献中，大多集中使用模型对短期电价进行预测，没有考虑碳价这一重要的影响变量，同时也没有考虑电价的交易特点，几乎所有的交易都会在年底完成交易，缺乏对长期电价的预测。所以需要将电价的交易数据进行分解，分解为短期波动与长期趋势，碳价主要通过长期趋势来影响电价。现有预测电价的方法有时间序列模型，人工智能模型和混合模型。

发明内容

为了克服现有技术的上述缺陷，本发明提供一种耦合碳价的电价预测方法。

为实现上述目的，本发明提供如下技术方案：

一种耦合碳价的电价预测方法，包括以下步骤：

S1、电价的集成经验模态分解与重构；

S2、碳价的集成经验模态分解与重构；

S3、电价长期趋势与碳价长期趋势关系构建；

S4、碳价长期趋势与碳排放空间的关系构建；

S5、根据S3与S4构建耦合碳价的电价长期趋势；

S6、GRU神经网络模型构建；

S7、对电价分解后的高频分量建立GRU神经网络进行训练；

S8、使用测试集数据S7作为输入进行高频项预测；

S9、预测结果求和S5+S8得到最终输出。

优选的，所述步骤S1和S2中，集成经验模态分解(Ensemble Empirical modedecomposition，EEMD)方法是一种新型自适应信号时频处理方法，EEMD的具体步骤如下：

(1)将白噪声序列加在原始信号序列上。白噪声序列要满足以下条件：

N为白噪声加入次数，ε_n和ε分别为白噪声的波幅和标准差。

(2)对加入了白噪声的信号序列进行EMD处理，得到数个IMF及趋势项。

(3)向原始信号序列加入不同的白噪声，重复前两步。

(4)将对应的IMF及趋势项分别求均值，作为EEMD方法分解结果。