【技术实现步骤摘要】
本申请涉及i t与软件开发领域，具体而言，涉及一种电力交易dcgan伸缩htap模型设计方法。
技术介绍
1、由于电力无法有效大量长期储存，从而电力的生产端与需求端精准匹配的实时调度模型一直是该领域最重要的难题，既要保证用电端能够不间断地用电，又要保证发电端的产出能够被全量实时消费，供需不匹配会导致要么供电不足，要么供电冗余。传统的基于经验模型预设生产端消费端参数、基于历史消费数据以统计分析方法预测用电量以及采用为二级供应商提供预售电指标交易的方法一直不能很好的解决供需实时匹配的问题，可解释性也不理想。
技术实现思路
1、为了弥补以上不足，本申请提供了一种电力交易dcgan伸缩htap模型设计方法，旨在改善传统的基于经验模型预设生产端消费端参数、基于历史消费数据以统计分析方法预测用电量以及采用为二级供应商提供预售电指标交易的方法一直不能很好的解决供需实时匹配的问题，可解释性也不理想的问题。
2、本申请实施例提供了一种电力交易dcgan伸缩htap模型设计方法。
3、步骤s1：建立dcga网络结构，并初始化网络参数；
4、步骤s2：电力市场类型分析，对不同类型下的需求侧市场参与的方式和效益进行综合计算；
5、步骤s3：根据综合计算构建最大化需求侧市场主体参与市场的效益模型；
6、步骤s4：根据交易侧电力交易数据表的实时同步表，并以脚本模拟电力交易市场的售用电交易，建立dcgan网络的监测样本统计矩阵集；
7、步骤
8、步骤s6：设定监测样本统计矩阵集更新频度参数u，代表采用htap数据库交易侧实时一致同步的电力交易数据更新迭代样本矩阵的频度；
9、步骤s7：步骤s5-步骤s7迭代训练完成后，得到dcgan模型，由generator生成的模拟监测样本统计矩阵，即某地区某段时间可售用的电量，则可作为电力消费预测数据标准，驱动电力交易发电侧---用电侧的调度策略，从而形成一种新型的电力交易市场调度模型；
10、步骤s8：根据电力交易市场调度模型制定出侧市场主体投标策略。
11、在一种具体的实施方案中，电力市场类型分析采用htap数据库，模拟建立电力交易--分析混合数据，数据库字段主体有交易时间、交易地区、交易电量和交易价格组成，然后在htap数据库的交易侧模拟设置电力交易数据，根据交易侧电力交易数据表的实时同步表，并与脚本模拟电力交易市场的售用点交易，建立dcgan网络的检测样本统计矩阵集。
12、在一种具体的实施方案中，电力市场类型分析主要包括调峰辅助服务、需求响应、低谷弃电追踪、新能源与用户偏差替代交易、分布式能源与储能灵活互动交易。
13、在一种具体的实施方案中，构建市场的效益模型公式为maxw1+w2+w3+w4+w5，具有约束公式为st：gi(t)·q3t＞0，δ1·q5＞0，q1·q5≥0，q1·δ1≥0，其中场景约束需要根据具体场景分析，w1为辅助服务需求侧收益，w2为需求侧参与需求响应的价值贡献，w3为需求侧参与低谷弃电追踪交易的价值贡献，w4为新能源与用户偏差替代价值贡献，w5为分布式电源与储能灵活性价值贡献，gi(t)为第i个中标辅助服务确认出力，p3t为第t段时间内的用电量，δ1为需求响应负荷大小，q5为转移负荷量，q1为弃电追踪电量。
14、在一种具体的实施方案中，dcgan网络结构由两个卷积神经网络分别充当生成器generator与判别器di scr iminator连接而成，建立dcgan网络结构后初始化神经网络参数，两个卷积神经网络可分别选择3-5层卷积神经网络，以加快训练速度。
15、在一种具体的实施方案中，建立dcgan网络的监测样本统计矩阵集为：售用电时间区间---售用电地区---售用电量统计值矩阵。
16、在一种具体的实施方案中，频度参数u的设置根据htap数据库的统计侧矩阵生成效率来调整。
17、在一种具体的实施方案中，交易数据库侧用于支持实时电力交易，分析数据库侧用于支持dcgan神经网络学习的监测样本矩阵数据集生成。
18、在一种具体的实施方案中，交易地区以区县为单位。
19、在一种具体的实施方案中，迭代终止条件为设定最小误差容忍度，以generator与di scr iminator的逻辑应达状态作为以实时更新电力交易数据更新迭代dcgan模型的终止条件。
20、有益效果：本申请提供了一种电力交易dcgan伸缩htap模型设计方法，首先生成对抗模型gan的设计逻辑与电力生产与消费的逻辑关系有非常天然的相似性，本身就是在对抗中动态调节得到一个平衡关系，因此从理论上讲就有较好的适用性与创新性，同时相对现有方法而言具有很好的可解释性；另一方面，采用htap数据库作为模型学习迭代的基础设施，可以将实时电力交易数据一致性同步后，又通过高性能分析引擎快速对生成对抗模型的训练数据矩阵进行更新，从另一个层面保证了训练模型的准确性。综上，所提方法对解决现实中此类问题带来了极大的优势。
本文档来自技高网...【技术保护点】
1.一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，电力市场类型分析采用HTAP数据库，模拟建立电力交易--分析混合数据，数据库字段主体有交易时间、交易地区、交易电量和交易价格组成，然后在HTAP数据库的交易侧模拟设置电力交易数据，根据交易侧电力交易数据表的实时同步表，并与脚本模拟电力交易市场的售用点交易，建立DCGAN网络的检测样本统计矩阵集。
3.根据权利要求1所述的一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，电力市场类型分析主要包括调峰辅助服务、需求响应、低谷弃电追踪、新能源与用户偏差替代交易、分布式能源与储能灵活互动交易。
4.根据权利要求1所述的一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，构建市场的效益模型公式为maxW1+W2+W3+W4+W5，具有约束公式为St：gi(t)·q3t＞0，Δ1·Q5＞0，q1·Q5≥0，q1·Δ1≥0，其中场景约束需要根据具体场景分析，W1为辅助服务需求侧收
5.根据权利要求1所述的一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，DCGAN网络结构由两个卷积神经网络分别充当生成器Generator与判别器Discriminator连接而成，建立DCGAN网络结构后初始化神经网络参数，两个卷积神经网络可分别选择3-5层卷积神经网络，以加快训练速度。
6.根据权利要求1所述的一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，建立DCGAN网络的监测样本统计矩阵集为：售用电时间区间---售用电地区---售用电量统计值矩阵。
7.根据权利要求1所述的一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，频度参数u的设置根据HTAP数据库的统计侧矩阵生成效率来调整。
8.根据权利要求2所述的一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，交易数据库侧用于支持实时电力交易，分析数据库侧用于支持DCGAN神经网络学习的监测样本矩阵数据集生成。
9.根据权利要求2所述的一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，交易地区以区县为单位。
10.根据权利要求1所述的一种电力交易DCGAN伸缩HTAP模型设计方法，其特征在于，迭代终止条件为设定最小误差容忍度，以Generator与Discriminator的逻辑应达状态作为以实时更新电力交易数据更新迭代DCGAN模型的终止条件。
...【技术特征摘要】
1.一种电力交易dcgan伸缩htap模型设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种电力交易dcgan伸缩htap模型设计方法，其特征在于，电力市场类型分析采用htap数据库，模拟建立电力交易--分析混合数据，数据库字段主体有交易时间、交易地区、交易电量和交易价格组成，然后在htap数据库的交易侧模拟设置电力交易数据，根据交易侧电力交易数据表的实时同步表，并与脚本模拟电力交易市场的售用点交易，建立dcgan网络的检测样本统计矩阵集。
3.根据权利要求1所述的一种电力交易dcgan伸缩htap模型设计方法，其特征在于，电力市场类型分析主要包括调峰辅助服务、需求响应、低谷弃电追踪、新能源与用户偏差替代交易、分布式能源与储能灵活互动交易。
4.根据权利要求1所述的一种电力交易dcgan伸缩htap模型设计方法，其特征在于，构建市场的效益模型公式为maxw1+w2+w3+w4+w5，具有约束公式为st：gi(t)·q3t＞0，δ1·q5＞0，q1·q5≥0，q1·δ1≥0，其中场景约束需要根据具体场景分析，w1为辅助服务需求侧收益，w2为需求侧参与需求响应的价值贡献，w3为需求侧参与低谷弃电追踪交易的价值贡献，w4为新能源与用户偏差替代价值贡献，w5为分布式电源与储能灵活性价值贡献，gi(t)为第i个中标辅助服务确认出力，p3t为第t段时间内的用电量，δ1为需求响应负荷大小，q5为转移负荷量，q1...
【专利技术属性】
技术研发人员：徐欢，陈丰，陈彬，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。