本发明涉及电价预测，尤其涉及一种线性回归模型的生成方法、装置、设备和可读存储介质。
背景技术：
1、市场出清电价(mcp，market clearing price)是电力市场中的一个关键指标，反映了电力供需平衡状态下的电价水平。市场出清电价的准确预测对于发电公司、电网运营商和大型电力用户都具有重要意义，它可以帮助市场参与者优化其运营策略和风险管理。然而，由于受到多种因素如燃料价格波动、天气条件变化、供需关系以及政策调整等因素的影响，市场出清电价呈现出明显的非线性和高波动性，使得传统的预测方法难以准确捕捉其动态变化特性。
2、因此，设计一种能够准确预测市场出清电价的模型，就成为一个亟待解决的问题。
技术实现思路
1、本发明的目的在于提供一种线性回归模型的生成方法、装置、设备和可读存储介质。
2、为了实现上述发明目的之一，本发明一实施方式提供了一种用于生成市场出清电价的线性回归模型的生成方法，包括以下步骤：获取电价时间序列x＝{x1,x2,...,xn}，其中，xi表示第i个时段的电价，n为自然数，n≥2，1≤i≤n；对电价时间序列x进行标准化处理，统计x1,x2,...,xn不同的电价z1,z2,...,zl，以及z1,z2,...,zl分别一一对应的数量值num1,num2,...,numl，其中，l为自然数，num1+num2+...+numl＝n；计算其中，τ为自然数，p(zj)＝numj/n，p(zk)＝numk/n，在x1,x2,...,xn中，满足条件“xi＝zj且xi+τ＝zk”的二元组(xi,xi+τ)的数量为number1，满足条件“xi＝zj且xi-τ＝zk”的二元组(xi,xi-τ)的数量为number2，p(zj,zk∣τ)＝(number1+number2)/(2*(n-τ))；对于每个嵌入维度m和m+1，使用延迟τ重构电价时间序列；对于每个点yi,m在m-维空间找到其最近邻ynn(i),m，对于每个点yi,m+1在m+1-维空间找到其最近邻ynn(i),m+1；对每个点i，均计算其在m和m+1维空间中的距离比率；持续执行以下步骤：计算公式r(m)的值，并增加m的值，直到r(m)的下降幅度小于预设幅度值；其中，其中，yi,m是从电价时间序列x通过嵌入维度m和延迟时间τ构建的相空间中的第i个点，ynn(i),m是yi,m在m-维相空间中的最近邻点，∥·∥表示欧氏距离，u(·)是一个指示函数，当其内部的条件为真时取值为1，否则为0，rthreshold为预设阈值；基于确定的τ和m，对时间序列进行相空间重构，构建特征向量wi＝[xi,xi+τ,...,xi+(m-1)τ]；创建线性回归模型其中，是未来的第i+h时段的电价的预测值，β0,β1,...,βm是线性回归模型的参数；基于最小二乘法、计算得到所述线性回归模型的参数β0,β1,...,βm。
3、作为本发明一实施方式的进一步改进，所述“对电价时间序列x进行标准化处理”具体包括：得到电价时间序列x的均值μ和标准差σ，对任一的xi均进行以下处理：之后，xi＝x′i。
4、作为本发明一实施方式的进一步改进，rthresho1d＝10。
5、作为本发明一实施方式的进一步改进，rthreshold＝15。
6、本发明实施例还提供了一种用于生成市场出清电价的线性回归模型的生成装置，包括以下模块：数据获取模块，用于获取电价时间序列x＝{x1,x2,...,xn}，其中，xi表示第i个时段的电价，n为自然数，n≥2，1≤i≤n；对电价时间序列x进行标准化处理，统计x1,x2,...,xn不同的电价z1,z2,...,zl，以及z1,z2,...,zl分别一一对应的数量值num1,num2,...,numl，其中，l为自然数，num1+num2+...+numl＝n；第一处理模块，用于计算其中，τ为自然数，p(zj)＝numj/n，p(zk)＝numk/n，在x1,x2,...,xn中，满足条件“xi＝zj且xi+τ＝zk”的二元组(xi,xi+τ)的数量为number1，满足条件“xi＝zj且xi-τ＝zk”的二元组(xi,xi-τ)的数量为number2，p(zj,zk∣τ)＝(number1+number2)/(2*(n-τ))；第二处理模块，用于对于每个嵌入维度m和m+1，使用延迟τ重构电价时间序列；对于每个点yi,m在m-维空间找到其最近邻ynn(i),m，对于每个点yi,m+1在m+1-维空间找到其最近邻ynn(i),m+1；对每个点m，均计算其在m和m+1维空间中的距离比率；持续执行以下步骤：计算公式r(m)的值，并增加m的值，直到r(m)的下降幅度小于预设幅度值；其中，其中，yi,m是从电价时间序列x通过嵌入维度m和延迟时间τ构建的相空间中的第i个点，ynn(i),m是yi,m在m-维相空间中的最近邻点，∥·∥表示欧氏距离，u(·)是一个指示函数，当其内部的条件为真时取值为1，否则为0，rthreshold为预设阈值；第三处理模块，用于基于确定的τ和m，对时间序列进行相空间重构，构建特征向量wi＝[xi,xi+τ,...,xi+(m-1)τ]；创建线性回归模型β1x′i+β2x′i+τ+…+βmx′i+(m-1)τ，其中，是未来的第i+h时段的电价的预测值，β0,β1,...,βm是线性回归模型的参数；基于最小二乘法、计算得到所述线性回归模型的参数β0,β1,...,βm。
7、作为本发明一实施方式的进一步改进，所述数据获取模块还用于：得到电价时间序列x的均值μ和标准差σ，对任一的xi均进行以下处理：之后，xi＝x′i。
8、作为本发明一实施方式的进一步改进，rthreshold＝10。
9、作为本发明一实施方式的进一步改进，rthreshold＝15。
10、本发明实施例还提供了一种设备，包括存储器、处理器以及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现上述的生成方法。
11、本发明实施例还提供了一种可读存储介质，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的生成方法。
12、相对于现有技术，本发明的技术效果在于：本发明实施例提供一种线性回归模型的生成方法、装置、设备和可读存储介质，该生成方法包括以下步骤：获取电价时间序列，之后进行预处理，从而得到τ和m，对时间序列进行相空间重构，构建特征向量，之后，创建线性回归模型；基于最小二乘法、计算得到所述线性回归模型的参数。该线性回归模型能够准确预测市场出清电价。
1.一种用于生成市场出清电价的线性回归模型的生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的生成方法，其特征在于，所述“对电价时间序列x进行标准化处理”具体包括：
3.根据权利要求1所述的生成方法，其特征在于，
4.根据权利要求1所述的生成方法，其特征在于，
5.一种用于生成市场出清电价的线性回归模型的生成装置，其特征在于，包括以下模块：
6.根据权利要求5所述的生成装置，其特征在于，所述数据获取模块还用于：
7.根据权利要求5所述的生成装置，其特征在于，
8.根据权利要求5所述的生成装置，其特征在于，
9.一种设备，包括存储器、处理器以及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1～4中任一项所述的生成方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1～4中任一项所述的生成方法。
