区块链环境下基于供需预测的点对点电力交易方法和系统技术方案

本发明专利技术提供一种区块链环境下基于供需预测的点对点电力交易方法和系统，涉及基于区块链的电力交易技术领域。本发明专利技术实施例通过相似历史日选取和供需双侧预测结合，减少气象因素、日类型因素等对预测精度的影响，使用更加精准的预测方法实现供需双侧的精确预测，降低供需预测的不确定性，促进供需动态平衡，提高供需匹配有效性，增强能源系统的经济性、稳定性、可靠性。可靠性。可靠性。

【技术实现步骤摘要】
区块链环境下基于供需预测的点对点电力交易方法和系统


[0001]本专利技术涉及基于区块链的电力交易
，具体涉及一种区块链环境下基于供需预测的点对点电力交易方法和系统。

技术介绍

[0002]随着社会经济发展对新能源电力需求的日益增加，多种多样的电力交易模式步入大众的视野，促进了电力能源结构的优化。其中，点对点电力交易是一种基于互联的平台，让供应侧和需求侧直接“见面”进行交易，而无需“中间人”介入的交易模式。通过点对点电力交易，供需双侧不仅可以通过购买所需电力和出售剩余电力，积极参与当地能源市场，还可以增加收益，并为市场带来更多的灵活性。然而在点对点电力交易中，由于没有透明的、防篡改的方式来存储和验证交易信息，若不依赖于可信的第三方，双侧之间很难相互信任，同时由于电力市场交易主体数量激增，其电力交易的管理、运营复杂程度大幅增加，交易过程中的信息信任与安全问题、交易透明化问题等也极为突出。为进一步完善电力交易机制，区块链技术被广泛地应用在该领域。
[0003]而在进行基于区块链的点对点电力交易的过程中，供需双侧的不确定和不平衡性会给整本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种区块链环境下基于供需预测的点对点电力交易方法，其特征在于，所述方法由基于区块链的电力交易系统执行，该系统中预先构建光伏功率预测模型；所述点对点电力交易方法包括：S1、根据预设时间段的气象数据和预先构建的光伏功率预测模型，对预设时间段供应侧的光伏发电量进行预测；获取预设时间段的相似历史日数据，根据相似历史日数据对预设时间段的需求侧的用电负荷量进行预测；S2、根据预设时间段供应侧的光伏发电量和需求侧的用电负荷量，进行供需双侧匹配，形成供需双侧收益最大化的交易合同。2.如权利要求1所述的区块链环境下基于供需预测的点对点电力交易方法，其特征在于，所述预先构建光伏功率预测模型的过程包括：a、获取历史日气象数据和光伏功率数据，并进行预处理；b、对预处理后的历史日气象数据和光伏功率数据进行标准化处理，得到归一化的数据集，并且通过相关性分析得到光伏预测的主要特征参数以及各个历史日与预设时间段之间的关联程度；c、通过关联程度的大小选取出相似程度最大的前n条数据作为训练集，对Attention
‑
MPA
‑
LSTM模型进行训练，得到光伏功率预测模型对预设时间段光伏功率进行预测，其中，所述Attention
‑
MPA
‑
LSTM模型是指在注意力机制长短期记忆神经网络中加入海洋捕食者算法。3.如权利要求1所述的区块链环境下基于供需预测的点对点电力交易方法，其特征在于，所述获取预设时间段的相似历史日数据，包括：以综合因子作为衡量指标，选择与预设时间段之间的综合因子最大的历史日数据作为相似历史日数据，其中，所述综合因子的计算公式如下：δ
i
＝M1α1+M2α2+M3α3+M4α4其中，δ
i
表示综合因子，α1表示日类型因子，α2表示前驱势因子，α3表示气象因子，α4表示时间相似度因子，M1、M2、M3、M4表示各因子的权重系数。4.如权利要求1所述的区块链环境下基于供需预测的点对点电力交易方法，其特征在于，所述根据相似历史日数据对预设时间段的需求侧的用电负荷量进行预测，包括：a.利用改进的RBF神经网络模型对相似历史日数据预测得到y
i
；b.利用XGBoost模型对相似历史日数据预测得到y
j
；c.初始化自适应权重α和β，初始化参数μ、epochs，μ为迭代步长，epochs为模型训练周期；d.通过公式y＝αy
i
+βy
j

【专利技术属性】
技术研发人员：周开乐，褚一博，虎蓉，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：