(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 202210886717.5 (22)申请日 2022.07.26 (71)申请人 国家电投集团数字科技有限公司 地址 102299 北京市昌平区科技园区创新 路7号1号楼 2106号 (72)发明人 刘治平　须钢　丛佳慧　赵勇　 王聪　孙常亮　江龙　胡松　向军　 刘阳　 (74)专利代理 机构 北京方安思达知识产权代理 有限公司 1 1472 专利代理师 杨青　王蔚 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种时间周期可变的煤价预测方法及系统 (57)摘要 本发明提供了一种时间周期可变的煤价预 测方法及系统， 所述方法包括： 将预处理后的煤 炭价格历史数据输入预先建立和训练好的煤价 预测模型， 得到未来若干天的煤价； 所述煤价预 测模型采用BP神经网络， 通过设置遗传算法参 数， 进行选 择、 交叉和变异运算， 获取最优的权值 和阈值， 完成训练。 本发明采用合理的参数设置 使用BP神经网络和遗传算法结合， 能够预测未来 一段时间内不同时间周期的煤炭价格 变动趋势。 权利要求书1页 说明书6页 附图3页 CN 115409538 A 2022.11.29 CN 115409538 A 1.一种时间周期可变的煤价预测方法， 所述方法包括： 将预处理后的煤炭价格历史数据输入预先建立和训练好的煤价预测模型， 得到未来若 干天的煤价； 所述煤价预测模型采用BP神经网络， 通过设置遗传算法参数， 进行选择、 交叉和变异运 算， 获取最优的权值和阈值， 完成训练。 2.根据权利要求1所述的煤价预测方法， 其特 征在于， 所述预处 理包括： 收集煤炭价格的历史数据， 将数据进行预处理， 去 除异常数据， 对缺失数据进行补充， 得到处理后的煤炭价格历史数据。 3.根据权利要求1或2所述的煤价预测方法， 其特征在于， 所述训练集比例取值范围 50％～100％， 所述验证集比例取值范围0％～5 0％， 且两者之和为10 0％。 4.根据权利要求1或2所述的煤价预测方法， 其特征在于， 所述设置BP神经网络参数包 括： 输入层节点个数取值范围2～90， 输出层节点个数取值范围2～90， 隐含层 数取值范围1 ～3； 隐含层节点个数为 其中， m为输入层节点个数， n 为输出层节点个数， a为1～ 10之间的整数； 训练次数取值范围100～10000， 学习速率取值范围0.01～0.1， 训练目标最小误差取值 范围0.00001～0.0001。 5.根据权利要求1或2所述的煤价预测方法， 其特 征在于， 所述设置 遗传算法参数包括： 进化代数取值范围10～50， 种群规模取值范围1～100， 交叉概率取值范围0.1～1， 变异 概率取值范围0.0 01～0.1， 权 重和阈值的取值范围 ‑3～3。 6.一种时间周期可变的煤价预测系统， 所述系统包括： 数据获取及预处理模块， 用于收集煤炭价格的历史数据， 将数据进行预处理， 作为煤价 预测模块的输入； 煤价预测模块， 用于采用BP神经网络， 通过设置遗传算法参数， 进行选择、 交叉和变异 运算， 获取最优的权值和阈值， 完成训练， 得到 煤价预测结果。权　利　要　求　书 1/1 页 2 CN 115409538 A 2一种时间周期可变的煤价预测方 法及系统 技术领域 [0001]本发明属于价格预测领域， 具体涉及一种时间周期可变的煤价预测方法及系统。 背景技术 [0002]火电厂在采购煤炭时， 除了考虑发电等实际需求， 还需要考虑煤炭价格波动的影 响， 需要根据煤炭价格变化增加采购量或者减少采购量， 未来一段时间的煤炭价格变动对 于煤炭的采购有重要的影响。 [0003]传统的神经网络预测方法大都使用单一输出， 预测某一天的煤炭价格或者某一个 月的平均煤炭价格， 而且传统的神经网络容易陷入局部最优问题， 采购者无法了解未来一 段时间内的煤炭价格变动取值。 因此， 需要提供一种能够预测未来一段时间内煤炭价格变 动趋势的方法， 以满足火电厂的采购需求。 发明内容 [0004]本发明的目的在于克服现有技术中采用神经网络预测方法使用单一输出， 且容易 陷入局部最优问题的缺陷。 [0005]为了实现上述目的， 本发明提出了一种时间周期可变的煤价预测方法， 所述方法 包括： [0006]将预处理后的煤炭价格历史数据输入预先建立和训练好的煤价预测模型， 得到未 来若干天的煤价； [0007]所述煤价预测模型采用BP神经 网络， 通过设置遗传算法参数， 进行选择、 交叉和变 异运算， 获取最优的权值和阈值， 完成训练。 [0008]作为上述方法的一种改进， 所述预处 理包括： [0009]收集煤炭价格的历史数据， 将数据进行预处理， 去除异常数据， 对缺失数据进行补 充， 得到处 理后的煤炭价格历史数据。 [0010]作为上述方法的一种改进， 所述训练集比例取值范围50％～100％， 所述验证集比 例取值范围0％～5 0％， 且两者之和为10 0％。 [0011]作为上述方法的一种改进， 所述设置BP神经网络参数包括： [0012]输入层节点个数取值范围2～90， 输出层节点个数取值范围2～90， 隐含层数取值 范围1～3； [0013]隐含层节点个数为 其中， m为输入层节点个数， n为输出层节点个数， a 为1～10之间的整数； [0014]训练次数取值范围100～10000， 学习速率取值范围0.01～0.1， 训练目标最小误差 取值范围0.0 0001～0.0001。 [0015]作为上述方法的一种改进， 所述设置 遗传算法参数包括： [0016]进化代数取值范围10～50， 种群规模取值范围1～100， 交叉概率取值范围0.1～1， 变异概率取值范围0.0 01～0.1， 权 重和阈值的取值范围 ‑3～3。说　明　书 1/6 页 3 CN 115409538 A 3