(19)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 202111564491.9 (22)申请日 2021.12.20 (71)申请人 国家电投集团电站运营技 术 （北京） 有限公司 地址 102209 北京市昌平区北七家镇未来 科技城国家电投集团科学技术研究院 有限公司院内B座5 -7层 申请人 国家电投集团科 学技术研究院有限 公司 (72)发明人 戴碧艳　李璟涛　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 杜月 (51)Int.Cl. G06Q 30/02(2012.01)G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 出清电价预测方法、 装置、 计算机设备和存 储介质 (57)摘要 本申请提出一种出清电价预测方法、 装置、 计算机设备和存储介质， 其中， 方法包括： 对训练 日各样本点对应的影响因素进行特征工程， 得到 训练日各样 本点对应的输入特征； 根据电价对训 练日各样 本点进行分类标签化处理， 以确定训练 日各样本点对应的分类标签； 将训练日各样本点 对应的输入特征输入到初 始XGBOOS T分类模型中 进行求解训练， 得到 XGBOOST分类模型； 将分类标 签为回归标签的样本点对应的输入特征输入初 始XGBOOST回归模型中进行求解训练， 得到 XGBOOST回归模型； 利用XGBOOST分类模型和 XGBOOST回归模型， 对待预测日各时刻点的电价 进行预测。 该方法通过结合分类模型和回归模 型， 提高了出清电价的预测准确率。 权利要求书2页 说明书10页 附图7页 CN 115249166 A 2022.10.28 CN 115249166 A 1.一种出清电价预测方法， 其特 征在于， 包括： 确定训练日各样本点对应的出清电价的影响因素； 对所述影响因素进行 特征工程， 得到所述训练日各样本点对应的输入特 征； 根据电价对所述训练日各样本点进行分类标签化处理， 以确定所述训练日各样本点对 应的分类标签； 将所述训练日各样本点对应的输入特征输入到初始极端梯度提升XGBOOST分类模型中 进行求解训练， 得到XGBO OST分类模型； 将分类标签为回归标签的样本点对应的输入特征输入初始XGBOOST回归模型中进行求 解训练， 得到XGBO OST回归模型； 利用所述XGBOOST分类模型和所述XGBOOST回归模型， 对待预测日各时刻点的电价进行 预测。 2.如权利要求1所述的方法， 其特征在于， 所述利用所述XGBOOST分类模型和所述 XGBOOST回归模型， 对待预测日各时刻点的电价进行 预测， 包括： 对所述待预测日期各时刻点的数据信 息进行特征处理， 以获取所述待预测日每个时刻 点对应的输入特 征； 将所述待预测日每个时刻点对应的输入特征输入至所述XGBOOST分类模型中， 以获取 所述待预测日每 个时刻点对应的电价类别标签； 在第一时刻点的 电价类别标签为非回归标签的情况下， 根据所述非回归标签， 确定所 述第一时刻点对应的预测电价； 在第二时刻点的电价类别标签为所述 回归标签的情况下， 将所述第 二时刻点对应的输 入特征输入至所述XGBO OST回归模型中， 以获取 所述第二时刻点对应的预测电价； 按照所述待预测日期各时刻点的早晚顺序， 对所述第 一时刻点对应的预测电价和所述 第二时刻点对应的预测电价进行排序， 得到所述预测日各时刻点连续预测电价。 3.根据权利要求1所述的方法， 其特征在于， 所述对所述影响因素进行特征工程， 得到 所述训练日各样本点对应的输入特 征， 包括： 在任一时刻点每新增一条输变电线路的情况下， 确定所述任一 时刻点对应的输入特征 新增一维特 征。 4.如权利要求1所述的方法， 其特征在于， 所述对所述影响因素进行特征工程， 得到所 述训练日各样本点对应的输入特 征， 包括： 基于负荷需求及新能源负荷的供需情况， 确定每 个样本点对应的第一 竞价空间特 征； 根据不同联络线， 确定每 个样本点对应的每条 联络线上的第二 竞价空间特 征； 确定月份、 日期及时刻点的类型 特征， 以得到每 个样本点对应的输入特 征。 5.根据权利要求1 ‑4任一所述的方法， 其特征在于， 所述影响因素包括： 全网用电负荷、 新能源负荷、 省间线路负荷、 输变电检修计划、 历史时刻点出清电价。 6.一种出清电价预测装置， 其特 征在于， 包括： 第一确定模块， 用于确定训练日各样本点对应的出清电价的影响因素； 特征处理模块， 用于对所述影响因素进行特征工程， 得到所述训练日各样本点对应的 输入特征； 第二确定模块， 用于根据电价对所述训练日各样本点进行分类标签化处理， 以确定所权　利　要　求　书 1/2 页 2 CN 115249166 A 2述训练日各样本点对应的分类标签； 第一训练模块， 用于将所述训练日各样本点对应的输入特征输入到初始极端梯度提升 XGBOOST分类模型中进行求 解训练， 得到XGBO OST分类模型； 第二训练模块， 用于将分类标签为回归标签的样本点对应的输入特征输入初始 XGBOOST回归模型中进行求 解训练， 得到XGBO OST回归模型； 预测模块， 用于利用所述XGBOOST分类模型和所述XGBOOST回归模型， 对待预测日各时 刻点的电价进行 预测。 7.如权利要求6所述的装置， 其特 征在于， 所述预测模块， 用于： 对所述待预测日期各时刻点的数据信 息进行特征处理， 以获取所述待预测日每个时刻 点对应的输入特 征； 将所述待预测日每个时刻点对应的输入特征输入至所述XGBOOST分类模型中， 以获取 所述待预测日每 个时刻点对应的电价类别标签； 在第一时刻点的 电价类别标签为非回归标签的情况下， 根据所述非回归标签， 确定所 述第一时刻点对应的预测电价； 在第二时刻点的电价类别标签为所述 回归标签的情况下， 将所述第 二时刻点对应的输 入特征输入至所述XGBO OST回归模型中， 以获取 所述第二时刻点对应的预测电价； 按照所述待预测日期各时刻点的早晚顺序， 对所述第 一时刻点对应的预测电价和所述 第二时刻点对应的预测电价进行排序， 得到所述预测日各时刻点连续预测电价。 8.如权利要求6所述的装置， 其特 征在于， 所述特 征处理模块， 用于： 在任一时刻点每新增一条输变电线路的情况下， 确定所述任一 时刻点对应的输入特征 新增一维特 征。 9.一种计算机设备， 其特 征在于， 包括处 理器和存 储器； 其中， 所述处理器通过读取所述存储器中存储的可执行程序代码来运行与 所述可执行 程序代码对应的程序， 以用于实现如权利要求1 ‑5中任一所述的出清电价预测方法。 10.一种非临时性计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序 被处理器执行时实现如权利要求1 ‑5中任一所述的出清电价预测方法。权　利　要　求　书 2/2 页 3 CN 115249166 A 3