基于强化学习的电力数据定价方法及系统

    公开(公告)号:CN119515445A

    公开(公告)日:2025-02-25

    申请号:CN202411573120.0

    申请日:2024-11-06

    Abstract: 本发明公开了基于强化学习的电力数据定价方法及系统,包括:对多变量时间序列数据集进行预处理和划分,基于训练集对随机森林模型进行训练,并通过测试集进行预测,并用MSE均方差误差评估随机森林模型,直至得到最优化的随机森林模型,进而得到各个变量的重要性排序;并构建基于日期分组的特征加权定价策略;基于当前日期与参考日期之间的天数差异,构建折扣系数,进而获取初步的定价策略;基于初步的定价策略,利用Q学习算法对定价策略进行优化,直到Q值表收敛到设定范围内,得出最优电网数据定价。本发明通过分析特征间的相关性并确定特征重要性的排序;结合对不同特征的权重分配和时间敏感性折扣的计算,使得数据定价能够动态地适应市场需求。

Patent Agency Ranking