能源到岸价格计算的方法及装置制造方法及图纸

本申请公开了一种能源到岸价格计算的方法及装置，本申请的方法包括根据能源的液源历史数据基于深度神经网络DNN搭建能源到岸价计算模型，所述液源历史数据至少包括液源地的基本属性、能源的出厂价、出货量、能源到达采购地的到岸价；获取当日液源地数据，基于能源到岸价计算模型计算液源地到不同的采购地的能源到岸价，所述当日液源地数据至少包括液源地的基本属性、能源的出厂价、出货量；根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价。本申请解决现有的能源到岸价的确定方式存在的缺陷。

Calculation method and device of energy CIF price

【技术实现步骤摘要】
能源到岸价格计算的方法及装置
本申请涉及数据处理
，具体而言，涉及一种能源到岸价格计算的方法及装置。
技术介绍
现有市场中能源到岸价以供应方和需求方短期（一到三月）合约确定，锁定一段时间内价格，如果价格波动较大，供需双方需承担波动成本。比如：合约规定三月内采购价6100/吨，当前到岸价5800/吨，则供应方富裕300元/吨利润，第二月到岸价涨至6500/吨，则供应方需补贴400元/吨。且行业内并没有统一价格，更多是约定俗成的合同价格，最终导致成交价尝尝背离能源的实际的价格曲线。从上述分析可以看到，目前的能源到岸价的设定方式存在以下缺陷：1.缺乏实时性，背离市场实际价格；2.供需双方需承担价格波动成本，造成企业运营成本增加。以上这些缺陷都是由于现有的能源到岸价确定的方式准确性低造成的。
技术实现思路
本申请的主要目的在于提供一种能源到岸价格计算的方法及装置，以解决现有的能源到岸价确定的方式准确性低的问题。为了实现上述目的，根据本申请的第一方面，提供了一种能源到岸价格计算的方法。根据本申请的能源到岸价格计算的方法包括：根据能源的液源历史数据基于深度神经网络DNN搭建能源到岸价计算模型，所述液源历史数据至少包括液源地的基本属性、能源的出厂价、出货量、能源到达采购地的到岸价；获取当日液源地数据，基于能源到岸价计算模型计算液源地到不同的采购地的能源到岸价，所述当日液源地数据至少包括液源地的基本属性、能源的出厂价、出货量；根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价。可选的，所述根据能源的液源历史数据基于深度神经网络DNN搭建能源到岸价计算模型包括：采集预设历史时段、预设距离范围内的液源历史数据，所述预设距离范围为超出后会导致综合利润下降的出货范围；对液源历史数据进行特征值和目标值的提取；基于特征值和目标值采用DNN进行模型训练，得到能源到岸价计算模型。可选的，所述基于特征值和目标值采用DNN进行模型训练，得到能源到岸价计算模型还包括：搭建7层的深度神经网络；采用多轮交叉验证的方式进行模型训练。可选的，液源历史数据分为训练集和测试集，所述方法还包括：交叉验证后根据测试集进行模型的测试；所述基于特征值和目标值采用DNN进行模型训练包括：基于训练集的特征值和目标值采用DNN进行模型训练。可选的，所述根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价包括：根据同一采购地对应的所有液源地到该采购地的能源到岸价基于逻辑回归网络计算该采购地当日的能源到岸价。可选的，在根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价之后，所述方法还包括：根据采购地当日的能源到岸价以及当日液源地数据对能源到岸价计算模型进行更新，以根据更新后的能源到岸价计算模型对未来的能源到岸价进行计算。为了实现上述目的，根据本申请的第二方面，提供了一种能源到岸价格计算的装置。根据本申请的能源到岸价格计算的装置包括：搭建单元，用于根据能源的液源历史数据基于深度神经网络DNN搭建能源到岸价计算模型，所述液源历史数据至少包括液源地的基本属性、能源的出厂价、出货量、能源到达采购地的到岸价；第一计算单元，用于获取当日液源地数据，基于能源到岸价计算模型计算液源地到不同的采购地的能源到岸价，所述当日液源地数据至少包括液源地的基本属性、能源的出厂价、出货量；第二计算单元，用于根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价。可选的，所述搭建单元，包括：采集模块，用于采集预设历史时段、预设距离范围内的液源历史数据，所述预设距离范围为超出后会导致综合利润下降的出货范围；提取模块，用于对液源历史数据进行特征值和目标值的提取；训练模块，用于基于特征值和目标值采用DNN进行模型训练，得到能源到岸价计算模型。可选的，所述训练模块，还用于搭建7层的深度神经网络；采用多轮交叉验证的方式进行模型训练。可选的，液源历史数据分为训练集和测试集，所述装置还包括：测试单元，用于交叉验证后根据测试集进行模型的测试；所述训练模块，用于：基于训练集的特征值和目标值采用DNN进行模型训练。可选的，所述第二计算单元用于：根据同一采购地对应的所有液源地到该采购地的能源到岸价基于逻辑回归网络计算该采购地当日的能源到岸价。可选的，所述装置还包括：更新单元，用于在根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价之后，根据采购地当日的能源到岸价以及当日液源地数据对能源到岸价计算模型进行更新，以根据更新后的能源到岸价计算模型对未来的能源到岸价进行计算。为了实现上述目的，根据本申请的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述第一方面中任意一项所述的能源到岸价格计算的方法。为了实现上述目的，根据本申请的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述第一方面中任意一项所述的能源到岸价格计算的方法。在本申请实施例中，能源到岸价格计算的方法及装置中，首先，根据能源的液源历史数据基于深度神经网络DNN搭建能源到岸价计算模型，液源历史数据至少包括液源地的基本属性、能源的出厂价、出货量、能源到达采购地的到岸价；然后，获取当日液源地数据，基于能源到岸价计算模型计算液源地到不同的采购地的能源到岸价，所述当日液源地数据至少包括液源地的基本属性、能源的出厂价、出货量；最后，根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价。可以看出，本申请中基于能源到岸价计算模型可以实时的计算得到液源地到采购地的能源到岸价，而且能源到岸价计算模型是根据实际的液源历史数据训练生成的，因此可以在一定程度上保证计算得到能源到岸价的准确性（与市场实际价格差距不大），另外，以此数据再进行能源采购价的确定更加的合理，可以降低供需双方需承担价格波动的成本，也可以进一步的规范能源市场。附图说明构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请实施例提供的一种能源到岸价格计算的方法流程图；图2是根据本申请实施例提供的另一种能源到岸价格计算的方法流程图；图3是根据本申请实施例提供的一种能源到岸价格计算的方法的技术效果分析对应的示意图本文档来自技高网...

【技术保护点】
1.一种能源到岸价格计算的方法，其特征在于，所述方法包括：/n根据能源的液源历史数据基于深度神经网络DNN搭建能源到岸价计算模型，所述液源历史数据至少包括液源地的基本属性、能源的出厂价、出货量、能源到达采购地的到岸价；/n获取当日液源地数据，基于能源到岸价计算模型计算液源地到不同的采购地的能源到岸价，所述当日液源地数据至少包括液源地的基本属性、能源的出厂价、出货量；/n根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价。/n

【技术特征摘要】
1.一种能源到岸价格计算的方法，其特征在于，所述方法包括：
根据能源的液源历史数据基于深度神经网络DNN搭建能源到岸价计算模型，所述液源历史数据至少包括液源地的基本属性、能源的出厂价、出货量、能源到达采购地的到岸价；
获取当日液源地数据，基于能源到岸价计算模型计算液源地到不同的采购地的能源到岸价，所述当日液源地数据至少包括液源地的基本属性、能源的出厂价、出货量；
根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价。


2.根据权利要求1所述的能源到岸价格计算的方法，其特征在于，所述根据能源的液源历史数据基于深度神经网络DNN搭建能源到岸价计算模型包括：
采集预设历史时段、预设距离范围内的液源历史数据，所述预设距离范围为超出后会导致综合利润下降的出货范围；
对液源历史数据进行特征值和目标值的提取；
基于特征值和目标值采用DNN进行模型训练，得到能源到岸价计算模型。


3.根据权利要求2所述的能源到岸价格计算的方法，其特征在于，所述基于特征值和目标值采用DNN进行模型训练，得到能源到岸价计算模型还包括：
搭建7层的深度神经网络；
采用多轮交叉验证的方式进行模型训练。


4.根据权利要求3所述的能源到岸价格计算的方法，其特征在于，液源历史数据分为训练集和测试集，所述方法还包括：
交叉验证后根据测试集进行模型的测试；
所述基于特征值和目标值采用DNN进行模型训练包括：
基于训练集的特征值和目标值采用DNN进行模型训练。


5.根据权利要求1所述的能源到岸价格计算的方法，其特征在于，所述根据同一采购地对应的所有液源地到该采购地的能源到岸价计算该采购地当日的能源到岸价包括：
根据同一采购地对应的所有液源地到该采购地的能源到岸价基于逻辑回归网络计算该采购地当日的能源到岸价。


6.根据权利...

【专利技术属性】
技术研发人员：刘冰，周智宏，曹宇天，张文强，王名扬，
申请(专利权)人：上海中旖能源科技有限公司，
类型：发明
国别省市：上海;31