本发明涉及电力交易，尤其涉及一种电力现货市场出清电量预测方法、系统、设备及介质。
背景技术：
1、随着“双碳”目标落地，各类新能源发电主体、生物质电厂、虚拟电厂、独立储能等多元主体将有序参与电力现货市场交易。目前，现货市场参与主体大多采用“报量报价”的方式参与市场交易，由此对现货市场出清电量进行准确有效的预测将有助于市场监管机构提升市场交易运行效率，帮助各类市场参与主体有效评估交易风险，制定竞价策略。
2、而目前随着市场交易主体的多元化，电力现货市场出清电量的预测难度增加。且随着碳排放约束政策的建立完善，不同技术水平的火电企业在进行报量报价时，也将受到碳约束政策的影响。现有的电力现货市场出清电量预测方法，大多忽略了电力现货市场参与主体多元化所带来的市场不确定性，也没有考虑碳排放约束政策对电力现货市场出清电量的影响。
3、因此，面对电力现货市场参与主体多元化所带来的不确定性与碳排放约束政策的影响，如何提高电力现货市场出清电量的预测准确性是亟待解决的问题。
技术实现思路
1、本发明提供一种电力现货市场出清电量预测方法、系统、设备及介质，以帮助市场交易主体进行申报电量优化，支撑监管机构开展现货市场出清电量预测工作。
2、本发明提供一种电力现货市场出清电量预测方法，包括：
3、得到若干历史日的出清电量信息和出清电量相关指标数据，所述出清电量相关指标数据包括：统一调度负荷数据、新能源出力负荷数据、火电出力负荷数据、跨省送电负荷数据、碳排放量约束数据；
4、得到预测日的出清电量相关指标数据；
5、根据若干历史日和预测日的出清电量相关指标数据，通过相似日筛选模型，在若干历史日中得到相似日；
6、基于相似日的出清电量信息和出清电量相关指标数据，训练得到电力现货市场出清电量预测模型；
7、根据预测日的出清电量相关指标数据，通过电力现货市场出清电量预测模型，得到预测日的出清电量预测结果。
8、根据本发明提供的一种电力现货市场出清电量预测方法，还包括：
9、对出清电量相关指标数据的缺失值处理/或异常值处理；
10、对缺失值处理和/或异常值处理后的出清电量相关指标数据，进行标准化处理；
11、其中，缺失值处理和异常值处理的表达式为：
12、sn＝0.5an-1+0.5an+1，
13、缺失值处理和异常值处理的表达式中，sn表示待处理的出清电量相关指标数据缺失值或异常值，an-1表示sn前一时点的数据值，an+1表示sn后一时点的数据值；
14、以及，标准化处理的表达式为：
15、
16、
17、标准化处理的表达式中，xt(ni)表示历史日t时点的第i个出清电量相关指标数据经标准化处理后的值，vt(ni)表示历史日t时点第i个出清电量相关指标数据的初始值，表示历史日t时点第i个出清电量相关指标数据的最小值，表示历史日t时点第i个出清电量相关指标数据的最大值，x0(ni)表示预测日t时点的第i个出清电量相关指标数据经标准化处理后的值，v0(ni)表示预测日t时点第i个出清电量相关指标数据的初始值，表示预测日t时点第i个出清电量相关指标数据的最小值，表示预测日t时点第i个出清电量相关指标数据的最大值。
18、根据本发明提供的一种电力现货市场出清电量预测方法，所述根据若干历史日和预测日的出清电量相关指标数据，通过相似日筛选模型，在若干历史日中得到相似日，包括：
19、根据历史日和预测日的出清电量相关指标数据，得到历史日和预测日对应指标的关联度指数值；
20、根据历史日和预测日所有对应指标的关联度指数值，得到各个历史日与预测日之间的加权关联度指数值；
21、根据加权关联度指数值，在若干历史日中得到满足相似条件的相似日。
22、根据本发明提供的一种电力现货市场出清电量预测方法，所述根据历史日和预测日的出清电量相关指标数据，得到历史日和预测日对应指标数据的关联度指数值，具体为：
23、根据历史日和预测日的出清电量相关指标数据，通过第一表达式，得到历史日和预测日对应指标的关联度指数值；
24、其中，第一表达式为：
25、
26、第一表达式中，xt,0(ni)表示历史日和预测日对应t时点的第i个出清电量相关指标数据的关联度指数值，xt(ni)表示历史日t时点的第i个出清电量相关指标数据经标准化处理后的值，x0(ni)表示预测日t时点的第i个出清电量相关指标数据经标准化处理后的值，μ表示分辨率系数；
27、以及，所述根据历史日和预测日所有对应指标的关联度指数值，得到各个历史日与预测日之间的加权关联度指数值，具体为：
28、根据历史日和预测日所有对应指标的关联度指数值，通过第二表达式，得到各个历史日与预测日之间的加权关联度指数值；
29、其中，第二表达式为：
30、
31、
32、
33、第二表达式中，φ表示历史日与预测日之间的加权关联度指数值，m表示历史日的总天数，xt,0(ni)表示历史日和预测日对应t时点的第i个出清电量相关指标数据的关联度指数值，θi表示第i个出清电量相关指标数据的权重值，ψi表示第i个出清电量相关指标数据的熵值，m表示出清电量相关指标数据的总个数。
34、以及，所述根据加权关联度指数值，在若干历史日中得到满足相似条件的相似日，具体为：
35、筛选与相似日的加权关联度指数值大于预设阈值的历史日，作为预测日的相似日。
36、根据本发明提供的一种电力现货市场出清电量预测方法，通过第三表达式得到加权关联度指数值的预设阈值δ：
37、δ＝(maxφ-minφ)×50％+minφ，
38、表达式中，表示历史日与预测日之间的加权关联度指数值的最大值，表示历史日与预测日之间的加权关联度指数值的最小值。
39、根据本发明提供的一种电力现货市场出清电量预测方法，所述基于相似日的出清电量相关指标数据和出清电量信息，训练得到电力现货市场出清电量预测模型，包括：
40、将相似日的出清电量相关指标数据作为训练样本数据，相似日的出清电量信息作为样本标签数据，记为(x_trainj,t_trainj)，x_trainj表示相似日的出清电量相关指标数据，t_trainj表示相似日的出清电量信息；
41、根据训练样本数据和样本标签数据，利用第一混合机器学习算法，训练电力现货市场出清电量预测模型；
42、利用第二混合机器学习算法，对电力现货市场出清电量预测模型进行优化，得到最终的电力现货市场出清电量预测模型。
43、根据本发明提供的一种电力现货市场出清电量预测方法，所述根据训练样本数据和样本标签数据，利用第一混合机器学习算法训练得到电力现货市场出清电量预测模型，包括：
44、初始化输入节点和隐含节点之间的连接权值和隐含层节点的阈值；
45、设定正则化随机网络含有l个隐含层神经元，选择激活函数形式，令第j个样本的电力现货市场出清电量预测模型的输出表达式为：
46、
47、输出表达式中，x_trainj表示相似日的第j个出清电量相关指标数据，即样本数据，z_trainj表示电力现货市场出清电量预测模型基于x_trainj的输出值,βi表示输出节点和第i个隐含层节点之间的权值,ωi表示相似日的出清电量相关指标数据经标准化处理后的输入节点和隐含节点之间的连接权值，bi表示相似日的出清电量相关指标数据经标准化处理后的隐含层节点，g()表示激活函数；
48、基于输出表达式，根据电力现货市场出清电量预测模型输出值与样本标签数据，得到电力现货市场出清电量预测模型的训练误差之和，其中，训练误差之和的表达式为：
49、
50、训练误差之和的表达式中，ξj表示第j个样本的电力现货市场出清电量预测模型的训练误差之和，x_trainj表示相似日的第j个出清电量相关指标数据，t_trainj表示相似日的出清电量真实数据，βi表示输出节点和第i个隐含层节点之间的权值,ωi表示相似日的出清电量相关指标数据经标准化处理后的输入节点和隐含节点之间的连接权值，bi表示相似日的出清电量相关指标数据经标准化处理后的隐含层节点，g()表示激活函数；
51、根据训练误差之和，得到第一混合机器学习算法的目标函数，其中，目标函数的表达式为：
52、
53、目标函数的表达式中，λ表示正则系数值，||ξ||2表示经验风险值，||β||2表示结构风险值；
54、β的求解公式为：
55、
56、β的求解公式中，i表示单位矩阵，z＝[t_train1,t_train2,…,t_trainm]t，ht表示隐含层输出矩阵h的逆矩阵，表示β的导数。
57、根据本发明提供的一种电力现货市场出清电量预测方法，所述利用第二混合机器学习算法，对电力现货市场出清电量预测模型进行优化，得到最终的电力现货市场出清电量预测模型，包括：
58、初始化猎物位置，得到精英矩阵和猎物矩阵，其中，猎物在搜索范围内的位置的表达式为：
59、x0＝xmin+rand(xmax-xmin)，
60、位置表达式中，xmax表示猎物的搜索空间的上限值，xmin表示猎物的搜索空间的下限值，rand(·)表示(0,1)区间内的一个随机数；
61、根据捕食者和猎物的速度比进行迭代，更新捕食者和猎物的位置，得到优化正则系数和优化隐层节点数；
62、基于优化正则系数和优化隐层节点数，通过均方误差法对电力现货市场出清电量预测模型的预测结果进行验证，以得到最终的优化正则系数和优化隐层节点数，其中，均方误差法的表达式为：
63、
64、均方误差法的表达式中，fitnessrmse表示均方误差，表示训练样本的预测值，xt表示训练样本的实际值，n表示训练样本的数量。
65、本发明还提供一种电力现货市场出清电量预测系统，包括：
66、第一数据获取模块，用于：得到若干历史日的出清电量信息和出清电量相关指标数据，所述出清电量相关指标数据包括：统一调度负荷数据、新能源出力负荷数据、火电出力负荷数据、跨省送电负荷数据、碳排放量约束信息；
67、第二数据获取模块，用于：得到预测日的出清电量相关指标数据；
68、相似日筛选模块，用于：根据若干历史日和预测日的出清电量指标数据，通过相似日筛选模型，在若干历史日中得到相似日；
69、模型训练模块，用于：基于相似日的出清电量信息和出清电量相关指标数据，训练得到电力现货市场出清电量预测模型；
70、预测模块，用于：根据预测日的出清电量相关指标数据，通过电力现货市场出清电量预测模型，得到预测日的出清电量预测结果。
71、本发明还提供一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现上述任一种所述的电力现货市场出清电量预测方法。
72、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一种所述的电力现货市场出清电量预测方法。
73、本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述任一种所述的电力现货市场出清电量预测方法。
74、本发明提供的一种电力现货市场出清电量预测方法、系统、设备及介质，基于统一调度负荷数据、新能源出力负荷数据、火电出力负荷数据、跨省送电负荷数据、碳排放量约束信息等指标数据，通过相似日筛选模型得到与预测日相似的历史日，以相似日的出清电量相关指标数据和出清电量信息训练得到电力现货市场出清电量预测模型，能够有利于准确地预测预测日的出清电量，便于系统运营商根据预测结果对市场风险进行及时的预警及预控，发电厂、售电公司可以通过预测结果合理评估交易风险、制定竞价策略，在一定程度上符合新能源发电参与现货市场交易的发展趋势及碳排放约束条件。
1.一种电力现货市场出清电量预测方法，其特征在于，包括：
2.根据权利要求1所述的电力现货市场出清电量预测方法，其特征在于，还包括：
3.根据权利要求2所述的电力现货市场出清电量预测方法，其特征在于，所述根据若干历史日和预测日的出清电量相关指标数据，通过相似日筛选模型，在若干历史日中得到相似日，包括：
4.根据权利要求3所述的电力现货市场出清电量预测方法，其特征在于，所述根据历史日和预测日的出清电量相关指标数据，得到历史日和预测日对应出清电量相关指标数据的关联度指数值，具体为：
5.根据权利要求4所述的电力现货市场出清电量预测方法，其特征在于，所述基于相似日的出清电量信息和出清电量相关指标数据，训练得到电力现货市场出清电量预测模型，包括：
6.根据权利要求5所述的电力现货市场出清电量预测方法，其特征在于，所述根据训练样本数据和样本标签数据，利用第一混合机器学习算法，训练电力现货市场出清电量预测模型，包括：
7.根据权利要求6所述的电力现货市场出清电量预测方法，其特征在于，所述利用第二混合机器学习算法，对电力现货市场出清电量预测模型进行优化，得到最终的电力现货市场出清电量预测模型，包括：
8.一种电力现货市场出清电量预测系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的电力现货市场出清电量预测方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电力现货市场出清电量预测方法。
