基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备制造方法及图纸

本申请实施例公开了一种基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备，属于电力计量领域，首先利用人工智能技术的基于决策树的集成学习框架进行预测节点边际电价，并根据分位数回归法得到不同置信区间的电价分布，然后结合机组物理约束和价格场景构建报价决策模型，并结合工智能技术对报价决策模型的最优参数进行求解，通过引入动量理论提高了寻优速度，最后依据不同电价场景建立不同的量本利方案对比，从而为发电侧制定合理的报价以及风险管理提供有效的评估依据。

【技术实现步骤摘要】
基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备
本申请涉及电力计量领域，尤其涉及一种基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备。
技术介绍
为了保障电网安全稳定运行、促进清洁能源消纳以及满足系统供需实时平衡，国家发改委选择广东、山西等8个省作为国内电力现货市场交易的第一批试点。国内日前(即现货)市场交易发电侧主要采取分段报量报价，用户侧报量不报价的形式，通过优化计算得到分时发电出力曲线以及节点边际电价。在此背景上，发电企业依据其他参与者的投标行为和电力系统的运行情况，如何通过设计合理地报价曲线实现发电利润最大化是目前研究的热点。
技术实现思路
本申请实施例提供了一种基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备，可以解决发电利润最大化的问题。所述技术方案如下：第一方面，本申请实施例提供了一种基于人工智能的发电侧电价报价方法，所述方法包括：在电价的潜在影响特征中选择相关特征；利用基于决策树的集成学习框架对所述相关特征的样本数据进行训练得到特征训练模型；将待预测数据输入到所述特征训练模型得到日前市场节点边际价格确定预测值；利用分位数回归模型对所述日前市场节点边际价格确定预测值进行处理得到日前市场节点边际价格不确定预测值；基于日前市场节点边际价格不确定预测值，通过预设的置信区间和分位数回归模型计算区间预测值；随机生成N个价格场景；其中，N为大于1的整数，每个价格场景的概率为1/N；构建各个价格场景下的报价决策模型，以及利用构建的报价决策模型确定不同价格场景下的量本利和报价方案。第二方面，本申请实施例提供了一种基于人工智能的发电侧电价报价装置，包括：选择单元，用于在电价的潜在影响特征中选择相关特征；训练单元，用于利用基于决策树的集成学习框架对所述相关特征的样本数据进行训练得到特征训练模型；预测单元，用于将待预测数据输入到所述特征训练模型得到日前市场节点边际价格确定预测值；所述预测单元，还用于利用分位数回归模型对所述日前市场节点边际价格确定预测值进行处理得到日前市场节点边际价格不确定预测值；基于日前市场节点边际价格不确定预测值，通过预设的置信区间和分位数回归模型计算区间预测值；确定单元，用于随机生成N个价格场景；其中，N为大于1的整数，每个价格场景的概率为1/N；以及构建各个价格场景下的报价决策模型，以及利用构建的报价决策模型确定不同价格场景下的量本利和报价方案。第三方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。本申请一些实施例提供的技术方案带来的有益效果至少包括：首先利用人工智能技术的基于决策树的集成学习框架进行预测节点边际电价，并根据分位数回归法得到不同置信区间的电价分布，然后结合机组物理约束和价格场景构建报价决策模型，并结合工智能技术对报价决策模型的最优参数进行求解，通过引入动量理论提高了寻优速度，最后依据不同电价场景建立不同的量本利方案对比，从而为发电侧制定合理的报价以及风险管理提供有效的评估依据。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的网络结构图；图2是本申请实施例提供的一种基于人工智能的发电侧电价报价方法的流程示意图；图3是本申请实施例提供的一种基于人工智能的发电侧电价报价方法的另一流程示意图；图4是本申请实施例提供的一种装置的结构示意图；图5是本申请实施例提供的一种装置的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。参见图1，为本申请实施例提供的一种网络架构图，本申请的网络架构包括：电子设备11和服务器12。其中，电子设备11部署在发电企业侧，服务器12部署在电力交易中心，电子设备11用于采集服务器12上的电力交易数据，利用电力交易数据和在发电厂检测到的发电数据生成报价曲线，以实现企业利润的最大化。电子设备11与服务器12之间进行通信，通信方式可以采用有线通信方式(例如：光线、双绞线或输电线)或无线通信方式(例如：蓝牙、微波或射频等)。服务器12的数量可以为一个或多个，电子设备11的数量可以为一个或多个。在相关技术中，发电企业依据其他参与者的投标行为和电力系统的运行情况，通过设计合理地报价曲线实现发电利润最大化。通常，制定日前市场投标策略方法及系统主要分为三大类：第一类为基于边际成本的报价策略；第二类为基于博弈论的报价策略；第三类为基于数据驱动的报价策略。第一类，采用边际收益最大化原则进行报价：若机组报价高于节点边际电价，则机组存在亏损；若机组报价低于节点边际电价，则机组无法中标。但此方法存在以下缺点：1)若机组为定价机组，相当于报价影响节点边际电价，则边际收益最大化的假设将不成立；2)由于日前市场的节点边际电价个数与报价段数并不相等，则边际收益最大化的结论将不成立；3)由于机组存在最小开机时间，倘若某个时段存在边际成本低于节点边际电价情况，则机组将无法正常停机；4)由于机组受爬坡限制，若节点边际电价出现巨大的变化，则机组将无法正常出力；5)边际成本与实时热耗率和实时燃料价格有关，但目前各种方法对其都难以准确评估。第二类，依据对方的报价策略和电网运行环境，采用安全约束机组组合和安全约束经济调度进行模拟出清，并通过出清结果变换自己的报价策略，以达到取胜的目的。由于具有强劲的理论逻辑，基于博弈论的报价策略被广泛应用于发电企业的报价和市场分析。但此方法存在以下缺点：1)无法获取对方的报价策略；2)无法获取电本文档来自技高网...

【技术保护点】
1.一种基于人工智能的发电侧电价报价方法，其特征在于，包括：/n在电价的多个潜在影响特征中选择相关特征；/n利用基于决策树的集成学习框架对所述相关特征的样本数据进行训练得到特征训练模型；/n将待预测数据输入到所述特征训练模型得到日前市场节点边际价格确定预测值；/n利用分位数回归模型对所述日前市场节点边际价格确定预测值进行处理得到日前市场节点边际价格不确定预测值；/n基于日前市场节点边际价格不确定预测值，通过预设的置信区间和分位数回归模型计算区间预测值；/n随机生成N个价格场景；其中，N为大于1的整数，每个价格场景的概率为1/N；/n构建各个价格场景下的报价决策模型，以及利用构建的报价决策模型确定不同价格场景下的量本利和报价方案。/n

【技术特征摘要】
1.一种基于人工智能的发电侧电价报价方法，其特征在于，包括：
在电价的多个潜在影响特征中选择相关特征；
利用基于决策树的集成学习框架对所述相关特征的样本数据进行训练得到特征训练模型；
将待预测数据输入到所述特征训练模型得到日前市场节点边际价格确定预测值；
利用分位数回归模型对所述日前市场节点边际价格确定预测值进行处理得到日前市场节点边际价格不确定预测值；
基于日前市场节点边际价格不确定预测值，通过预设的置信区间和分位数回归模型计算区间预测值；
随机生成N个价格场景；其中，N为大于1的整数，每个价格场景的概率为1/N；
构建各个价格场景下的报价决策模型，以及利用构建的报价决策模型确定不同价格场景下的量本利和报价方案。


2.根据权利要求1所述的方法，其特征在于，所述在电价的多个潜在影响特征中选择相关特征，包括：
利用套索算法在电价的多个潜在影响特征中选择相关特征。


3.根据权利要求1或2所述的方法，其特征在于，所述对所述相关特征的样本数据进行训练得到特征训练模型，包括：
利用轻量级梯度提升机对所述相关特征的样本数据进行训练得到特征训练模型。


4.根据权利要求3所述的方法，其特征在于，所述随机生成N个价格场景包括：
采用蒙特卡罗模拟方法随机生成N个价格场景。


5.根据权利要求1或2所述的方法，其特征在于，所述构建各个价格场景下的报价决策模型，包括：
利用动态萤火虫算法计算各个价格场景下的参数，利用计算得到的参数构建报价决策模型。


6.根据权利要求5所述的方法，其特征在于，所述报价...

【专利技术属性】
技术研发人员：张荣权，宋小松，颜文涛，陈志欣，
申请(专利权)人：远光软件股份有限公司，远光能源互联网产业发展横琴有限公司，
类型：发明
国别省市：广东;44