(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 202210927025.0 (22)申请日 2022.08.03 (71)申请人 广东电网有限责任公司 地址 510000 广东省广州市越秀区东 风东 路757号 (72)发明人 邵彦宁　冯歆尧　彭泽武　何小朝　 梁盈威　谢瀚阳　钱正浩　江疆　 朱泰鹏　 (74)专利代理 机构 北京荣哲知识产权代理事务 所(普通合伙) 11998 专利代理师 舒道宏 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 50/06(2012.01) G06F 16/22(2019.01)G06F 16/242(2019.01) G06F 16/27(2019.01) G06F 16/28(2019.01) G06N 20/00(2019.01) (54)发明名称 一种回归算法的分布式概率型服务端实时 电价预测方法 (57)摘要 本发明公开了一种回归算法的分布式概率 型服务端实时电价预测方法， 包括如下步骤： S1、 首先， 通过电价预测查询SQL解析后； S2、 接着采 用集成回归算法； S3、 集成回归算法的每一颗集 成子树所需要的数据集， 在实现Bagging时， 采用 分布式NewSQL数据库的Region相邻选取的策略 来实现。 本发明利用分布式NewSQL数据库的计 算/数据自然分布能力， 将机器学习算法嵌入到 SQL执行计划中， 以及利用HTAP交易分析混合负 载特性将业务交易即时产生的电价数据与在分 型域实时一致自动同步的方案， 从而实现数据库 服务端实时电价预测的功能； 从而该方法不仅提 供了一种SQL的新能力， 同时提高了效率与方便 性， 对解决现实中此类问题带来了极大的优势。 权利要求书1页 说明书3页 CN 115239394 A 2022.10.25 CN 115239394 A 1.一种回归算法的分布式概率型服务端实时电价预测方法， 其特征在于： 包括如下步 骤： S1、 首先， 通过电价预测查询SQ L解析后； S2、 接着采用集成回归算法； S3、 集成回归算法的每一颗集成子树所需要的数据集， 在实现Bagging时， 采用分布式 NewSQL数据库的Regi on相邻选取的策略来实现； S4、 利用分布式NewSQL数据库的分布计算节点， 分布执行集成回归算法， 迭代选举得到 模型； S5、 利用模型， 代用SQL语句中 “=”后的域外值， 得到回归拟合结果， 同时， 将集成回归模 型的precisi on返回当成该 结果的Pos sibility输出； S6、 在分布式NewSQL数据库HTAP的分析域进行， 交易域的电价交易数据实时一致地向 分析域同步， 动态 支持预测结果的实时性与准确性。 2.根据权利要求1所述的一种回归算法的分布式概率型服务端实时电价预测方法， 其 特征在于： 所述步骤S2中的集成回归算法的目的是对 “=”号前谓词代表的列值C1与Select 后面的列值C2、 C 3......进行学习拟合。 3.根据权利要求1所述的一种回归算法的分布式概率型服务端实时电价预测方法， 其 特征在于： 所述 集成回归算法包括但不局限于： 随机森林算法、 GBDT回归算法。 4.根据权利要求1所述的一种回归算法的分布式概率型服务端实时电价预测方法， 其 特征在于： 所述步骤S3中采用分布式NewSQL数据库的Region相邻选取的策略指的是， 列如 有Region 1， 2， 3， 4， 5， 6. .....， 集成子树的数据集分别选 （1、 2） ，  （2， 3） ， （3， 4), ......。 5.根据权利要求1所述的一种回归算法的分布式概率型服务端实时电价预测方法， 其 特征在于： 所述步骤S5中的SQL语句对不处于属性列值集合中的电价值域， 也可以进行查 询， 并且赋予查询结果 概率。权　利　要　求　书 1/1 页 2 CN 115239394 A 2一种回归算法的分布式概 率型服务端实时电价预测方 法 技术领域 [0001]本发明属于IT与软件开发技术领域， 具体为一种回归算法的分布式概率型服务端 实时电价预测方法。 背景技术 [0002]电价预测指的是在考虑市场供求关系， 市场参与者的市场力， 电力成本， 以及电力 市场体制结构、 社会经济形势等重要因素影响的条件下， 通过利用数学工具对历史数据进 行分析和研究， 探索事物之间的内在联系和发展变化规律， 在满足一定精度和速度的情况 下， 对未来电力市场中的电力交易 价格进行 预测。 [0003]目前为止 的电价预测， 需要将电价相关属性因子数据， 以及电价标签因子导出标 注后， 采用机器学习算法学习模型后实现预测， 这样， 无论实时交易电价对模型的影响、 以 及模型的获取、 发布及使用方便性， 都严重影响了电价预测与相关业务的质效； 现有的传统 数据库功能， 也只能实现精确的 “=”式查询， 而当用于查询的属性列符合线性、 二次或者某 种阶次的拟合规律时， 如果要查询不在属性集合内的值 （例如属性列C1的值有2、 3对应的另 一列C2的数值， 现在 要查询C1列=2.5的C2列值） ， 同样需要将数据从数据库中导出到文本文 件， 用机器学习算法进行人工拟合模型， 然后再代入参数进行计算； 而传统数据库， 在产生 实时电价交易数据 的服务端， 也不适合进行分析型智能预测计算； 同时， 将数据量特别大 时， 硬文件可能无法有效管理这些数据， 对机器学习算法的执行也带来影响， 使得工作无法 开展。 发明内容 [0004]针对现有技术的不足， 本发明提供了一种回归算法的分布式概率型服务端实时电 价预测方法， 具有提高了效率与方便性的优点。 [0005]为实现上述目的， 本发明提供如下技术方案： 一种回归算法的分布式概率型服务 端实时电价预测方法， 包括如下步骤： S1、 首先， 通过电价预测查询SQ L解析后； S2、 接着采用集成回归算法； S3、 集成回归算法的每一颗集成子树所需要的数据集， 在实现Bagging时， 采用分 布式NewSQ L数据库的Regi on相邻选取的策略来实现； S4、 利用分布式NewS QL数据库的分布计算节点， 分布 执行集成 回归算法， 迭代选举 得到模型； S5、 利用模型， 代用SQL语句中 “=”后的域外值， 得到回归拟 合结果， 同时， 将 集成回 归模型的precisi on返回当成该 结果的Pos sibility输出； S6、 在分布式NewSQL数据库HTAP的分析域进行， 交易域的电价交易数据实时一致 地向分析域同步， 动态 支持预测结果的实时性与准确性。 [0006]优选的， 所述步骤S2中的集成回归算法的目的是对 “=”号前谓词代表的列值C1与说　明　书 1/3 页 3 CN 115239394 A 3