本发明涉及电力系统分析，特别涉及基于vmd-emd-qrdcc的碳市场价格概率密度预测方法。
背景技术：
1、建立碳交易平台的关键是解决对碳排放权如何定价的问题，碳市场价格直接影响着碳交易市场的规模，合理有效的价格对碳市场的平稳运行至关重要。
2、然而确定性预测不能对碳价不确定性做出定量描述，通过传统点预测方法得到的节点碳价预测值无法提供足够的碳价信息，在碳市场规划、运行和安全稳定分析等领域需要对碳价的波动区间有一个较为精准的估计。因此，有必要设计一种新的碳价概率密度预测方法。
技术实现思路
1、发明目的：针对以上问题，本发明目的是提供一种基于vmd-emd-qrdcc的碳市场价格概率密度预测方法，通过预测碳价概率密度，实现对碳价波动区间精准的估计。
2、技术方案：本发明的一种基于vmd-emd-qrdcc的碳市场价格概率密度预测方法，该方法包括：
3、获取一定时间范围内的历史碳价数据；
4、利用变分模态分解对历史碳价数据进行分解，得到若干子序列和残差项，利用经验模态分解对残差项进行分解；
5、将分解之后的子序列和残差项进行预处理，然后按照比例划分为训练集和测试集，利用训练集对因果卷积神经网络分位数回归模型进行训练，将训练之后的因果卷积神经网络分位数回归模型记为碳价预测模型；
6、利用测试集对碳价预测模型进行验证，并得到不同分位点下碳价预测结果；
7、利用高斯核密度对碳价预测结果进行估计，得到碳价预测概率密度结果。
8、进一步，利用变分模态分解对历史碳价数据进行分解，得到若干子序列和残差项，利用经验模态分解对残差项进行分解的过程包括：
9、将历史碳价数据记为序列f，利用公式将序列f分解为若干模态函数{uk(t)},k＝1,2,…,k，然后对各模态函数进行希尔伯特变换和范数估计，构造变分问题，得到单侧频谱过程以及混合中心频率ωk的估计指数项其中k表示模态函数的总数量，t表示时间，j为虚部单位；
10、再利用如下更新公式交替更新和λn+1，求解变分问题，得到分解后的k个afs分量和残差项s(t)；其中更新公式分别为：
11、
12、
13、其中，为第n+1次更新时残差的维纳滤波，表示第n+1次更新时模态功率谱的重心，λn+1表示拉格朗日乘法算子，表示f(ω)的傅里叶变换值，表示uk(ω)的傅里叶变换值，表示λ(ω)的傅里叶变换值，α表示二次惩罚因子，i表示第i个模态函数；
14、利用经验模态分解将残差项s(t)进行分解，得到n个本征模函数imf分量c1,c2,…cn和剩余分量r；其中分解的计算表达式为：
15、进一步，将分解之后的子序列和残差项进行预处理的过程包括：
16、根据公式利用最大最小值归一化法将模态分解获得的分解序列进行归一化处理；其中z表示需要预处理的子序列和残差项。
17、进一步，利用训练集对因果卷积神经网络分位数回归模型进行训练的过程包括：
18、因果卷积神经网络分位数回归模型的输入项为归一化后的分解子序列和残差项，即预处理后的历史碳价数据，输出项为碳价预测值；
19、在因果卷积神经网络分位数回归模型中添加条件分位数τ，并在连续区间(0,1)内以0.01为间隔进行τ离散化；
20、将历史碳价数据样本值输入至因果卷积神经网络分位数回归模型中，计算模型的误差值，计算表达式为：
21、
22、其中，fcost表示模型的误差值，wτ、bτ表示因果卷积神经网络分位数回归模型中的连接权值向量；xi为输入第i个碳价数据样本值，i＝1,2,…,n；yi,表示碳价实际值，i＝1,2,…,n；f(xi,wτ,bτ)表示碳价预测值的条件分位数；
23、再根据公式和随机梯度下降法计算权重参数wτ,bτ最优估计值
24、最后根据公式计算碳价实际值y的条件分位数估计，得到100个分位数下的碳价预测值；其中是x条件下y关于分位数τ的条件分布函数；f(·)是因果卷积神经网络，通过多层因果卷积嵌套。
25、进一步，当τ在区间(0,1)连续取值时，条件分位函数是条件累计从分布函数f[f-1(τ)]＝τ中得出条件概率密度预测，表达式为：其中：q(τ)是条件分布函数；p[q(τ)]是概率密度函数。利用高斯核密度估计获得关于x的条件密度函数得到碳价预测概率密度结果。高斯核密度估计计算公式为：其中：h是窗宽；kh(·)是带窗口的高斯核密度函数，k(x，x)＝exp(||x-x′||2/2σ2)。
26、有益效果：本发明与现有技术相比，其显著优点是：
27、本发明提供一种基于vmd-emd-qrdcc的碳市场价格概率密度预测方法，该方法采用模式分解方法进行自适应、非递归分解，将碳价分解为若干相对平稳的子序列，能够解决碳价具有非平稳特性难以准确预测的问题，具有较强的可靠性与鲁棒性；由于碳价波动性大，vmd分解后的残差项依然具有较强非平稳性，本发明利用emd对残差项进一步分解；本发明能够有效抑制emd降噪方法模态混叠与端点效应的问题，也能进一步提升碳价预测精度，有效降低碳价预测难度；本发明利用qrdcc概率预测方法不需要先验分布假设，可提供稳定的预测区间而且能获得碳市场价格概率密度函数，可以得到比点预测更多的有用信息，实现了对未来碳市场价格完整概率分布的预测。
1.基于vmd-emd-qrdcc的碳市场价格概率密度预测方法，其特征在于，包括：
2.根据权利要求1所述的基于vmd-emd-qrdcc的碳市场价格概率密度预测方法，其特征在于，利用变分模态分解对历史碳价数据进行分解，得到若干子序列和残差项，利用经验模态分解对残差项进行分解的过程包括：
3.根据权利要求2所述的基于vmd-emd-qrdcc的碳市场价格概率密度预测方法，其特征在于，将分解之后的子序列和残差项进行预处理的过程包括：
4.根据权利要求3所述的基于vmd-emd-qrdcc的碳市场价格概率密度预测方法，其特征在于，利用训练集对因果卷积神经网络分位数回归模型进行训练的过程包括：
5.根据权利要求4所述的基于vmd-emd-qrdcc的碳市场价格概率密度预测方法，其特征在于，当τ在区间(0,1)连续取值时，条件分位函数是条件累计从分布函数f[f-1(τ)]＝τ中得出条件概率密度预测，表达式为：其中：q(τ)是条件分布函数；p[q(τ)]是概率密度函数。利用高斯核密度估计获得关于x的条件密度函数得到碳价预测概率密度结果。高斯核密度估计计算公式为：其中：h是窗宽；kh(·)是带窗口的高斯核密度函数，k(x，x)＝exp(||x-x′||2/2σ2)。
