电力现货市场中持留行为的识别方法、装置及电子设备制造方法及图纸

本申请提出电力现货市场中持留行为的识别方法、装置及电子设备，其中，方法包括：获取目标发电商的待识别数据；待识别数据包括识别时间和与识别时间对应的报价数据；将待识别数据分别输入至预设的第一指数预测模型和第二指数预测模型，获得由第一指数预测模型输出的第一预测数据和由第二指数预测模型输出的第二预测数据；第一预测数据和第二预测数据为目标发电商的勒纳指数预测值、行为影响测试预测值和剩余供应率指数预测值中任意两个；将第一预测数据和第二预测数据输入至投票融合模型进行投票融合，以识别目标发电商在识别时间下是否存在持留行为。本方案可以提高电力现货市场中持留行为识别的准确性。场中持留行为识别的准确性。场中持留行为识别的准确性。

Identification method, device and electronic equipment of retention behavior in power spot market

【技术实现步骤摘要】
电力现货市场中持留行为的识别方法、装置及电子设备


[0001]本申请涉及电力市场
，尤其涉及一种电力现货市场中持留行为的识别方法、装置及电子设备。

技术介绍

[0002]市场力操纵指发电商利用自身的市场力不正当地进行市场竞争，该行为严重地损害了电力市场的竞争效率以及其他市场成员的利益。
[0003]通常电力市场力操作主要指发电商的报价持留行为，其中，持留行为包括物理持留和经济持留，由于发电商经济持留的形式比物理持留的形式更为隐蔽，所以更加难以识别。

技术实现思路

[0004]本申请提供了一种电力现货市场中持留行为的识别方法、装置及电子设备。
[0005]根据本申请的第一方面，提供了一种电力现货市场中持留行为的识别方法，包括：
[0006]获取目标发电商的待识别数据；所述待识别数据包括识别时间和与所述识别时间对应的报价数据；
[0007]将所述待识别数据分别输入至预设的第一指数预测模型和第二指数预测模型，获得由所述第一指数预测模型输出的第一预测数据和由所述第二指数预测模型输出的第二预测数据；所述第一预测数据和所述第二预测数据为所述目标发电商的勒纳指数预测值、行为影响测试预测值和剩余供应率指数预测值中任意两个；
[0008]将所述第一预测数据和所述第二预测数据输入至投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为。
[0009]在本申请的一些实施例中，所述将所述第一预测数据和所述第二预测数据输入至投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为，包括：
[0010]通过所述投票融合模型，将所述第一预测数据和所述第二预测数据进行连接处理；
[0011]通过所述投票融合模型，基于所述连接处理后的数据进行投票分类，以识别所述目标发电商在所述识别时间下是否存在持留行为。
[0012]在本申请的一些实施例中，所述第一指数预测模型为勒纳指数预测模型，所述第二指数预测模型为剩余供应率指数预测模型；所述将所述待识别数据分别输入至预设的第一指数预测模型和第二指数预测模型，获得由所述第一指数预测模型输出的第一预测数据和由所述第二指数预测模型输出的第二预测数据，包括：
[0013]根据所述报价数据，获取与所述识别时间对应的市场出清价格和市场总负荷需求；
[0014]将所述识别时间和/或所述市场出清价格输入至所述勒纳指数预测模型，获得所
述目标发电商的勒纳指数预测值；
[0015]将所述识别时间和/或所述市场总负荷需求输入至所述剩余供应率指数预测模型，获得所述目标发电商的剩余供应率指数预测值；
[0016]其中，所述将所述第一预测数据和所述第二预测数据输入至投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为，包括：
[0017]将所述勒纳指数预测值和所述剩余供应率指数预测值输入至所述投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为。
[0018]作为一种实施方式，所述勒纳指数预测模型和剩余供应率指数预测模型均包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层；其中，所述将所述识别时间和/或所述市场出清价格输入至所述勒纳指数预测模型，获得所述目标发电商的勒纳指数预测值，包括：
[0019]将所述识别时间和/或所述市场出清价格输入至所述勒纳指数预测模型的输入层，获得对应的输入向量；
[0020]将所述输入向量输入至所述勒纳指数预测模型的CNN层，并通过所述勒纳指数预测模型的CNN层对所述输入向量进行特征提取，获得目标特征向量；
[0021]将所述目标特征向量输入至所述勒纳指数预测模型的LSTM层，获得所述目标特征向量对应的输出向量；
[0022]将所述输出向量输入至所述勒纳指数预测模型的注意力层，获得所述输出向量对应的注意力权重；
[0023]将所述输出向量以及对应的注意力权重输入至所述勒纳指数预测模型的输出层，获得所述目标发电商的勒纳指数预测值。
[0024]在本申请的另一些实施例中，所述第一指数预测模型为勒纳指数预测模型，所述第二指数预测模型为行为影响测试预测模型；所述将所述待识别数据分别输入至预设的第一指数预测模型和第二指数预测模型，获得由所述第一指数预测模型输出的第一预测数据和由所述第二指数预测模型输出的第二预测数据，包括：
[0025]根据所述报价数据，获取与所述识别时间对应的市场出清价格和所述目标发电商在所述识别时间对应的时间范围内的实际报价；
[0026]将所述识别时间和/或所述市场出清价格输入至所述勒纳指数预测模型，获得所述目标发电商的勒纳指数预测值；
[0027]将所述识别时间和/或所述实际报价输入至所述行为影响测试预测模型，获得所述目标发电商的行为影响测试预测值；
[0028]其中，所述将所述第一预测数据和所述第二预测数据输入至投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为，包括：
[0029]将所述勒纳指数预测值和所述行为影响测试预测值输入至所述投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为。
[0030]在本申请的又一些实施例中，所述第一指数预测模型为剩余供应率指数预测模型，所述第二指数预测模型为行为影响测试预测模型；所述将所述待识别数据分别输入至预设的第一指数预测模型和第二指数预测模型，获得由所述第一指数预测模型输出的第一预测数据和由所述第二指数预测模型输出的第二预测数据，包括：
[0031]根据所述报价数据，获取与所述识别时间对应的市场总负荷需求和所述目标发电商在所述识别时间对应的时间范围内的实际报价；
[0032]将所述识别时间和/或所述市场总负荷需求输入至所述剩余供应率指数预测模型，获得所述目标发电商的剩余供应率指数预测值；
[0033]将所述识别时间和/或所述实际报价输入至所述行为影响测试预测模型，获得所述目标发电商的行为影响测试预测值；
[0034]其中，所述将所述第一预测数据和所述第二预测数据输入至投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为，包括：
[0035]将所述剩余供应率指数预测值和所述行为影响测试预测值输入至所述投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为。
[0036]根据本申请的第二方面，提供了一种电力现货市场中持留行为的识别装置，包括：
[0037]第一获取模块，获取目标发电商的待识别数据；所述待识别数据包括识别时间和与所述识别时间对应的报价数据；
[0038]第二获取模块，用于将所述待识别数据分别输入至预设的第一指数预测模型和第二指数预测模型，获得由所述第一指数预测模型输出的第一预测数据和由所述第二指数预测模型输出的第二预测数据；所述第一预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力现货市场中持留行为的识别方法，其特征在于，包括：获取目标发电商的待识别数据；所述待识别数据包括识别时间和与所述识别时间对应的报价数据；将所述待识别数据分别输入至预设的第一指数预测模型和第二指数预测模型，获得由所述第一指数预测模型输出的第一预测数据和由所述第二指数预测模型输出的第二预测数据；所述第一预测数据和所述第二预测数据为所述目标发电商的勒纳指数预测值、行为影响测试预测值和剩余供应率指数预测值中任意两个；将所述第一预测数据和所述第二预测数据输入至投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为。2.根据权利要求1所述的方法，其特征在于，所述将所述第一预测数据和所述第二预测数据输入至投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为，包括：通过所述投票融合模型，将所述第一预测数据和所述第二预测数据进行连接处理；通过所述投票融合模型，基于所述连接处理后的数据进行投票分类，以识别所述目标发电商在所述识别时间下是否存在持留行为。3.根据权利要求1所述的方法，其特征在于，所述第一指数预测模型为勒纳指数预测模型，所述第二指数预测模型为剩余供应率指数预测模型；所述将所述待识别数据分别输入至预设的第一指数预测模型和第二指数预测模型，获得由所述第一指数预测模型输出的第一预测数据和由所述第二指数预测模型输出的第二预测数据，包括：根据所述报价数据，获取与所述识别时间对应的市场出清价格和市场总负荷需求；将所述识别时间和/或所述市场出清价格输入至所述勒纳指数预测模型，获得所述目标发电商的勒纳指数预测值；将所述识别时间和/或所述市场总负荷需求输入至所述剩余供应率指数预测模型，获得所述目标发电商的剩余供应率指数预测值；其中，所述将所述第一预测数据和所述第二预测数据输入至投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为，包括：将所述勒纳指数预测值和所述剩余供应率指数预测值输入至所述投票融合模型进行投票融合，以识别所述目标发电商在所述识别时间下是否存在持留行为。4.根据权利要求3所述的方法，其特征在于，所述勒纳指数预测模型和剩余供应率指数预测模型均包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层；其中，所述将所述识别时间和/或所述市场出清价格输入至所述勒纳指数预测模型，获得所述目标发电商的勒纳指数预测值，包括：将所述识别时间和/或所述市场出清价格输入至所述勒纳指数预测模型的输入层，获得对应的输入向量；将所述输入向量输入至所述勒纳指数预测模型的CNN层，并通过所述勒纳指数预测模型的CNN层对所述输入向量进行特征提取，获得目标特征向量；将所述目标特征向量输入至所述勒纳指数预测模型的LSTM层，获得所述目标特征向量对应的输出向量；将所述输出向量输入至所述勒纳指数预测模型的注意力层，获得所述输出向量对应的
注意力权重；将所述输出向量以及对应的注意力权重输入至所述勒纳指数预测模型的输出层，获得所述目标发电商的勒纳指数预测值。5.根据权利要求1所述的方法，其特征在于，所述第一指数预测模型为勒纳指数预测模型，所述第二指数预测模型为行为影响测试预测模型；所述将所述待识别数据分别输入至预设的第一指数预测模型和第二指数预测模...

【专利技术属性】
技术研发人员：王鸿策，钟明，郭小江，安娜，申旭辉，石冠海，孙财新，李力，潘霄峰，张龙，孙栩，杨宁，付明志，杨伯亨，李铮，吴凡，奚嘉雯，王春森，巴蕾，
申请(专利权)人：华能集团技术创新中心有限公司，
类型：发明
国别省市：