(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111528340.8 (22)申请日 2021.12.14 (71)申请人 上海电机学院 地址 200240 上海市闵行区江川路690号 (72)发明人 段震宇　刘天羽　邹定江　王勉　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 代理人 杨元焱 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于WPD和WNN的短期电价预测方法 (57)摘要 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。 权利要求书2页 说明书4页 附图1页 CN 114387012 A 2022.04.22 CN 114387012 A 1.一种基于WP D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WP D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W NN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WP D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W NN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Sigmo id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小波权　利　要　求　书 1/2 页 2 CN 114387012 A 2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。权　利　要　求　书 2/2 页 3 CN 114387012 A 3