本发明涉及新能源市值预测，尤其涉及一种新能源产业市值预测方法和装置。
背景技术：
1、自双碳目标正式提出后，大力发展新能源产业已成为我国未来一段时间内的重点任务。然而，由于以风、光为首的新能源出力存在较大的随机性与间歇性，对电力系统的安全稳定运行带来了严重影响，有必要对新能源产业市值的发展趋势展开量化预测，从数据维度对新能源产业的发展形成良好的支撑与促进作用，以支撑领域内相关顶层规划及政策的制定与实施。
2、现有的新能源产业发展趋势预测方法主要可分为两类：一是基于宏观社会经济学模型展开量化推演，另一种则是基于统计模型展开量化预测。第一类方法对模型初始输入变量的含义与内容都进行了过多简化，且忽略了分析各变量间相互作用对最终结果的影响，预测结果与实际情况通常偏差较大；第二类方法主要是通过模型拟合输入与输出变量之间的映射关系，随后通过映射关系预测未来一段时间周期内的数值变化情况。相对于前者而言，统计预测方法的原理更为简单，实用程度更高，预测精度也通常更好。
3、在上述背景下，国内外科研学者虽然针对新能源产业发展趋势构建了诸多统计学预测模型，但大多聚焦于改善传统模型的固有缺陷，选用“单一变量预测单一变量”的模式，忽略了新能源产业发展是一个涉及多因素耦合的复杂问题，在构建模型的过程中需统筹考虑各变量间的关联关系，由此得出的模型预测精度偏低。
技术实现思路
1、本发明提供一种新能源产业市值预测方法和装置，用以解决现有技术中预测精度偏低的缺陷，实现预测精度更高的新能源产业市值预测。
2、本发明提供一种新能源产业市值预测方法，包括：
3、获取目标时空范围的新能源历史数据；所述新能源历史数据包括新能源产业市值和gdp、能耗强度、各类型能源装机、各类型能源发电、电网输送容量、用电量、储能装机容量中的至少一种；将所述新能源历史数据输入至预先构建的目标产业市值预测模型，得到预测结果；
4、其中，所述目标产业市值预测模型是基于深度神经网络利用海量新能源历史数据样本及其相关性分析的结果进行拟合训练得到的。
5、根据本发明提供的一种新能源产业市值预测方法，基于深度神经网络利用海量新能源历史数据样本及其相关性分析的结果进行拟合训练得到所述目标产业市值预测模型，具体包括：
6、根据预设时间间隔获取所述目标时空范围内的新能源历史数据样本；
7、对所述新能源历史数据样本进行归一化预处理；
8、对经过归一化预处理的所述新能源历史数据样本进行聚类，得到多个聚类场景；
9、基于所述聚类场景中的所述新能源历史数据样本构建最优vine copula模型，并计算各所述聚类场景下的相关性系数；
10、基于长短期记忆网络模型构建预测模型，将所述相关性系数和所述新能源历史数据样本输入至所述预测模型中进行训练，直至达到预先设置的精度阈值，输出目标产业市值预测模型。
11、根据本发明提供的一种新能源产业市值预测方法，所述新能源历史数据样本的维度包括新能源产业市值维度，以及gdp维度、能耗强度维度、各类型能源装机维度、各类型能源发电维度、电网输送容量维度、用电量维度、储能装机容量维度中的至少一种。
12、根据本发明提供的一种新能源产业市值预测方法，所述基于所述聚类场景中的所述新能源历史数据样本构建最优vine copula模型，具体包括：
13、确定不同所述聚类场景下两两变量间的混合copula函数；
14、通过pso算法确定所有所述混合copula函数间的最优连接方式；
15、根据所述最优连接方式构建对应的最优vine copula模型。
16、根据本发明提供的一种新能源产业市值预测方法，所述对经过归一化预处理的所述新能源历史数据样本进行聚类，得到多个聚类场景，具体包括：
17、s1：提取一个维度的所述新能源历史数据样本；
18、s2：根据所述新能源历史数据样本，采用手肘法确定最优聚类中心及其数目；
19、s3：确定样本点到所述最优聚类中心的距离；
20、s4：更新所述维度的时间断面数据点并将其归类到距其最近的聚类中心，得到新的簇；重复步骤s3-s4，并将所述距离均值最小的点作为本簇的新质心，多次迭代至中心不再移动后，得到所述聚类场景；
21、s5：对于所述新能源历史数据样本的每个维度，重复步骤s1-s4。
22、根据本发明提供的一种新能源产业市值预测方法，所述基于长短期记忆网络模型构建预测模型，将所述相关性系数和所述新能源历史数据样本输入至所述预测模型中进行训练，直至达到预先设置的精度阈值，输出目标产业市值预测模型，之后还包括：
23、将所述相关性系数和所述新能源历史数据样本按照预设比例分为训练集和测试集；
24、利用所述训练集对所述预测模型进行训练；
25、在每次所述训练完成后，利用所述测试集计算所述预测模型的预测精度；
26、在所述预测精度达到预先设置的精度阈值的情况下，输出目标产业市值预测模型。
27、本发明还提供一种新能源产业市值预测装置，包括：
28、获取单元，用于获取目标时空范围的新能源历史数据；所述新能源历史数据包括新能源产业市值和gdp、能耗强度、各类型能源装机、各类型能源发电、电网输送容量、用电量、储能装机容量中的至少一种；
29、预测单元，用于将所述新能源历史数据输入至预先构建的目标产业市值预测模型，得到预测结果；
30、其中，所述目标产业市值预测模型是基于深度神经网络利用海量新能源历史数据样本及其相关性分析的结果进行拟合训练得到的。
31、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述新能源产业市值预测方法。
32、本发明还提供一种非暂态计算机可读存储介质，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如上述任一种所述新能源产业市值预测方法。
33、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述新能源产业市值预测方法。
34、本发明提供的新能源产业市值预测方法和装置，通过获取目标时空范围的新能源历史数据；所述新能源历史数据包括新能源产业市值和gdp、能耗强度、各类型能源装机、各类型能源发电、电网输送容量、用电量、储能装机容量中的至少一种；将所述新能源历史数据输入至预先构建的目标产业市值预测模型，得到预测结果；其中，所述目标产业市值预测模型是基于深度神经网络利用海量新能源历史数据样本及其相关性分析的结果进行拟合训练得到的。本发明在深度神经网络的基础上利用历史数据分析外部能源环境对于新能源产业市值的相关性关系，基于得到的相关性关系和历史数据进行模型训练，有效提升了预测精度。
1.一种新能源产业市值预测方法，其特征在于，包括：
2.根据权利要求1所述的新能源产业市值预测方法，其特征在于，基于深度神经网络利用海量新能源历史数据样本及其相关性分析的结果进行拟合训练得到所述目标产业市值预测模型，具体包括：
3.根据权利要求2所述的新能源产业市值预测方法，其特征在于，所述新能源历史数据样本的维度包括新能源产业市值维度，以及gdp维度、能耗强度维度、各类型能源装机维度、各类型能源发电维度、电网输送容量维度、用电量维度、储能装机容量维度中的至少一种。
4.根据权利要求2所述的新能源产业市值预测方法，其特征在于，所述基于所述聚类场景中的所述新能源历史数据样本构建最优vine copula模型，具体包括：
5.根据权利要求2所述的新能源产业市值预测方法，其特征在于，所述对经过归一化预处理的所述新能源历史数据样本进行聚类，得到多个聚类场景，具体包括：
6.根据权利要求2所述的新能源产业市值预测方法，其特征在于，所述基于长短期记忆网络模型构建预测模型，将所述相关性系数和所述新能源历史数据样本输入至所述预测模型中进行训练，直至达到预先设置的精度阈值，输出目标产业市值预测模型，之后还包括：
7.一种新能源产业市值预测装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述新能源产业市值预测方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述新能源产业市值预测方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述新能源产业市值预测方法。
