本发明涉及交易价格预测的，特别是涉及一种调频辅助服务市场出清价格预测方法、设备及存储介质。
背景技术：
1、双碳目标发展下全国新能源规模不断扩大，大规模新能源的随机性、波动性给电力系统的频率稳定带来了巨大挑战。电力辅助服务市场中的调频市场通过有偿竞争服务获得收益，刺激各类型调频资源的持续投资，成为保障电力系统频率稳定的重要市场机制。全国各省调频辅助服务市场大多采用统一市场边际出清方式开展调频资源调用，通过由低到高调用和申报价格结算方式使得系统调频辅助服务总成本最低。然而，调频市场主体在价格申报过程中大多采用人工经验方式申报，部分时段报价远低于出清价格，影响市场个体调频收益，如何准确预测调频辅助服务市场出清价格，指导各市场主体合理参与交易申报成为亟需解决的技术难题。
2、目前，国内外学者针对调频辅助服务市场出清价格预测方面的研究较少，大多数研究集中在调频辅助服务市场机制设计、新能源及储能调频控制策略、调频辅助服务市场与省内现货市场、调峰市场联合出清方面。目前省内现货价格预测较为成熟，数值分析预测方法具有一定的实用性。但在调频辅助服务市场出清价格预测方面，尚无利用数值分析方法来定量分析调频辅助服务市场出清价格的针对性研究。
3、因此，现阶段需设计一种基于机器学习的调频辅助服务市场出清价格组合预测方法，来解决以上问题。
技术实现思路
1、鉴于以上所述现有技术的缺点，本发明的目的在于提供一种调频辅助服务市场出清价格预测方法、设备及存储介质，用于解决现有技术中无法通过市场边界数据对市场出清价格进行精准预测的问题。
2、为实现上述目的及其他相关目的，本发明提供了如下方案：
3、第一方面，本发明提供一种调频辅助服务市场出清价格预测方法，所述调频辅助服务市场出清价格的预测方法包括：
4、获取历史市场边界数据与历史调频市场出清价格的相关性系数；
5、基于相关性系数确定对应的历史市场边界数据与历史调频市场出清价格对基于预设算法构建的预测模型进行训练；
6、基于训练后的预测模型及待预测日的市场边界数据获取初始预测值；
7、对所述初始预测值按照预设处理方式进行处理得到调频市场价格预测值。
8、可选地，获取历史市场边界数据与历史调频市场出清价格的相关性系数的步骤之前，还包括：
9、识别所述历史市场边界数据中的缺失数据；
10、采用多元邻近值算法对所述缺失数据进行补充，其表达式如下：
11、
12、其中，xa,j和xb,j表示为所述历史市场边界数据的n维数据中维度a与维度b之间第i个元素之间的欧氏距离，当两个维度中的元素其中有一个缺失或者两个都缺失时，的值为零，nmd表示的是距离为零的个数。
13、可选地，获取历史市场边界数据与历史调频市场出清价格的相关性系数的步骤，包括：
14、基于所述历史市场边界数据获取每个时刻中n个维度矩阵的值及所述n个维度矩阵的均值；
15、基于所述历史调频市场出清价格获取每个时刻的调频市场出清价格及平均价格；
16、基于所述n个维度矩阵的值及均值以及所述调频市场出清价格及平均价格确定所述历史市场边界数据与历史调频市场出清价格之间的相关性系数，其表达式如下：
17、
18、其中，xt,mi、分别表示在t＝1、2、3....24时刻的市场边界数据n个维度矩阵的值和其均值，pt,i和分别为对应t时刻的调频市场出清价格及均值；rm,t为市场边界数据与调频市场出清价格的相关性系数，满足：-1<rm,t<1。
19、可选地，所述预测模型包括：
20、随机森林算法预测模型；
21、xgboost算法预测模型；
22、lightgbm算法预测模型。
23、可选地，基于随机森林算法预测模型及待预测日的市场边界数据获取初始预测值的步骤之前，包括：
24、基于随机森林算法构建所述随机森林算法预测模型；
25、基于bootstrap抽样方法从所述历史市场边界数据及历史调频市场出清价格抽取样本，对所述随机森林算法预测模型进行训练；
26、基于袋外样本对所述随机森林算法预测模型进行评价，评价结果标记为oob_score，所述oob score返回r2，其表达式如下：
27、
28、
29、其中，u为历史市场出清价格的残差平方和，v为历史市场边界数据之间距离的总平方和，n为预定周期的样本数量，i为样本序号，fi为模型回归值，yi为样本点真实市场出清价格，为真实市场出清价格的平均值。
30、可选地，基于xgboost算法的预测模型及待预测日的市场边界数据获取初始预测值的步骤之前，包括：
31、基于xgboost算法构建所述xgboost算法预测模型；
32、基于所述xgboost算法预测模型的第一棵决策树对样本历史市场边界数据进行拟合并计算实际值与预测值的残差；
33、基于所述残差引入第二棵决策树对所述残差进行拟合；
34、当所述残差满足预设值时，停止引入决策树；
35、将所述每一棵决策树的拟合值进行累加得到所述xgboost算法最终的拟合结果，其表达式如下：
36、
37、其中，obj为目标函数，l为损失函数，ω为正则化惩罚函数，yi和分别为样本历史市场边界数据中第i个样本输出的市场出清价格的真实值和市场出清件价格的预测值。fj为第j个决策树的输出预测值，n为样本数量。
38、可选地，基于lightgbm算法的预测模型及待预测日的市场边界数据获取初始预测值的步骤之前，包括：
39、基于lightgbm算法构建所述lightgbm算法预测弱模型集合，其表达式如下：
40、
41、其中，l为损失函数；yi指的是市场出清价格的真实值；指的是前t-1轮的市场出清价格的模型预测值；ω(ft)指的是正则项，包括l1正则项和l2正则项，c为常数项；
42、其中，gain为增益函数，gl为左子节点的一阶导数和；gr为右子节点的一阶导数和；hl为左子节点的二阶导数和；hr为右子节点的二阶导数和；γ指的是在每次生成新的叶子节点时所产生的复杂度代价；n为决策树的迭代分裂次数。
43、可选地，对所述初始预测值按照预设处理方式进行处理得到调频市场价格预测值的步骤，包括：
44、对所述三种预测模型分别得到的初始预测值进行组合处理得到调频辅助服务市场出清组合预测值，其表达式如下：
45、
46、其中，mz(d+1)为后一日调频辅助服务市场出清价格的组合预测值；mi(d+1)为后一日第i种算法的市场出清价格的初始预测值；mi(d-1)为前一日第i种算法的视察昂出清价格预测值与实际出清值的误差。
47、可选地，所述市场边界数据包括以下中的至少一个：新能源功率数据、全省负荷预测数据、外送功率数据和机组在线容量。
48、第二方面、本发明还提供了一种电子设备，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序，以实现上述中任一项所述的调频辅助服务市场出清价格预测方法。
49、本发明还提供了一种计算机可读存储介质，其特征在于，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现上述中任一项所述的调频辅助服务市场出清价格预测方法。
50、如上所述，本发明的调频辅助服务市场出清价格预测方法、设备及存储介质，具有以下有益效果：能够利用数值分析方法，通过对市场边界数据精准定量的分析，预测辅助服务市场的出清价格；建立基于多种机器学习的市场出清价格组合预测模型，并针对该多种机器学习算法预测的价格采用误差反向权重熵权确定预测权值。
1.一种调频辅助服务市场出清价格预测方法，其特征在于，所述调频辅助服务市场出清价格的预测方法包括：
2.根据权利要求1所述的调频辅助服务市场出清价格预测方法，其特征在于，获取历史市场边界数据与历史调频市场出清价格的相关性系数的步骤之前，还包括：
3.根据权利要求1所述的调频辅助服务市场出清价格预测方法，其特征在于，获取历史市场边界数据与历史调频市场出清价格的相关性系数的步骤，包括：
4.根据权利要求1所述的调频辅助服务市场出清价格预测方法，其特征在于，所述预测模型包括：
5.根据权利要求4所述的调频辅助服务市场出清价格预测方法，其特征在于，基于随机森林算法预测模型及待预测日的市场边界数据获取初始预测值的步骤之前，包括：
6.根据权利要求4所述的调频辅助服务市场出清价格预测方法，其特征在于，基于xgboost算法的预测模型及待预测日的市场边界数据获取初始预测值的步骤之前，包括：
7.根据权利要求4所述的调频辅助服务市场出清价格预测方法，其特征在于，基于lightgbm算法的预测模型及待预测日的市场边界数据获取初始预测值的步骤之前，包括：
8.根据权利要求4所述的调频辅助服务市场出清价格预测方法，其特征在于，对所述初始预测值按照预设处理方式进行处理得到调频市场价格预测值的步骤，包括：
9.根据权利要求1-8中任一项所述的调频辅助服务市场出清价格预测方法，其特征在于，所述市场边界数据包括以下中的至少一个：新能源功率数据、全省负荷预测数据、外送功率数据和机组在线容量。
10.一种电子设备，其特征在于，包括：
11.一种计算机可读存储介质，其特征在于，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至9任一项所述的调频辅助服务市场出清价格预测方法。
