System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力,特别是一种基于优化算法的电力市场价格风险演变分析方法。
技术介绍
1、当前,我国第二轮电力体制改革正如火如荼进行中,多个省级电力现货交易市场已在建设或试运行中。随着电力体制不断改革与电力市场接续建设,电力市场运营机构处理相关电价异常波动,保证市场各方利益是重点。通过收集影响电价变化的相关数据,预测电力价格,实现对市场价格风险的提前预警,协助运营人员采取相应限价预警措施,对电力运营机构提升工作水准,保证电力市场稳定运行具有重要意义。当前,大多电力价格预测技术在历史电价数据的基础上,结合神经网络、机器学习等智能算法,通过训练历史电价数据,预测下一周期的电力价格,但电力价格不仅受到历史价格影响,还与多种内外部因素有关,仅考虑历史价格,无法准确预测快速变化的电价。为提高电力价格预测精度,首先需要挖掘相关数据与指标,然后选取合适的影响因素作为输入数据。
2、准确预测电价的关键点在于提供充足的可用数据与指标,由于影响电价变化的外部因素多且杂,加之单位无法统一,若直接输入预测模型,可能导致模型不收敛、预测精度下降等问题。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种基于优化算法的电力市场价格风险演变分析方法,依此计算价格波动风险值,通过预先设置的风险等级阈值,发布相关预警信息。
2、为实现上述目的,本专利技术采用如下技术方案:一种基于优化算法的电力市场价格风险演变分析方法,包括以下步骤:
3、步骤1:应用现有的大数据平台,挖掘电
4、步骤2:获取相关外部影响因素后,对其进行模糊综合评级;
5、步骤3:应用循环神经网络rnn,将内部因素与处理后的外部因输入预测模型;实现电价的准确预测;
6、步骤4:获取电价预测数据后,计算价格波动风险值并评估,协助工作人员采取合理措施,处理异常电价波动。
7、在一较佳的实施例中,所述步骤1具体为:通过现有大数据平台,挖掘相应影响因素并将其分类,其中外部因素包括社会经济情况、能源产业政策、经济发展增速以及电力市场信心;内部因素包括日一次能源价格、各时段新能源出力预测、新能源出力预测准确率、各时段机组出力波动、各时段系统负荷预测以及各时段气候预测。
8、在一较佳的实施例中,所述步骤2具体为:引入模糊综合评价方法,评估外部因素对市场主体影响后,再当作输入数据输入预测模型;评估方法具体如下:
9、按照各种因素与权重构建模糊综合评价:
10、
11、
12、其中,外部因素指标项、权重根据运营机构的实际情况进行适应性调整;a1、a2、....属于该影响程度的选择占比;
13、模糊评价过程如下:
14、各因素的权重分配向量设为α,α=(a,b,c,d)
15、指标评价向量设为r:r1={a1,a2,a3,a4};r2={b1,b2,b3,b4};
16、r3={c1,c2,c3,c4};r4={d1,d2,d3,d4};
17、利用r1、r2、r3、r4组合成模糊评判矩阵r;
18、
19、作模糊变换b;
20、
21、计算矩阵b的隶属度归一化,分析出四个主体行为与情绪影响程度的权重值,将其定为最终的外部因素模糊综合评级结果,参与后续的内部因素评价;
22、为保证外部因素综合评价的时效性,需要每年组织三次或以上的外部因素评价调查,按照选择比例获取外部因素模糊综合评级结果。
23、在一较佳的实施例中,所述步骤3具体为:将外部因素模糊综合评级结果、电力市场内部因素作为循环神经网络rnn模型的输入值,获取电价预测数据;
24、循环神经网络求解过程中对时段t的目标值求解需要利用时段t-1的隐藏层进行循环计算;即按如下公式进行:
25、st=g(v·xt)
26、ot=f(u·st+w·st-1)
27、其中,v是输入层到隐藏层的权重矩阵,u为隐藏层到输出层的权重矩阵,w为隐藏层上一次的值作为这一次的输入的权重矩阵。
28、在一较佳的实施例中,所述步骤4具体为:经步骤3获取电价预测数据后,计算价格波动风险值,如下:
29、
30、式中,pt为t时刻下出清价格波动风险值,p1,t为前m天中第一天在t时刻下的系统边际电价,pave,t为前m天中第一天在t时刻下的系统边际电价均值,m为一定值;
31、价格波动风险按照不同风险等级阈值分为5级,分别为:稍有风险(ⅰ级)、一般风险(ⅱ级)级、显著风险(ⅲ级)、高度风险(ⅳ级)、极其危险(ⅴ级);其中,出清价格波动风险值在0~10%为ⅰ级,10%~20%为ⅱ级,20%~30%为ⅲ级,30%~40%为ⅳ级,大于40%为ⅴ级;
32、当价格波动风险值落到显著风险、高度风险或极其危险区间内,系统会以不同颜色的提示灯进行提示;当价格波动风险值落到显著风险、高度风险或极其危险区间内,系统会以不同颜色的提示灯进行提示。
33、与现有技术相比,本专利技术具有以下有益效果:为准确预测电力价格,统筹纳入包括外部影响因素、内部影响因素等数据,将其作为输入数据,输入预测模型;其次,针对外部影响因素无法在预测模型直接使用的问题,应用模糊综合评价方法,获取外部因素模糊综合评级结果后,将其作为最终的输入数据;最后,利用循环神经网络(rnn)强大的预测能力,实现电价精确预测,并依此计算价格波动风险值,通过预先设置的风险等级阈值,发布相关预警信息,协助工作人员合理采取限价预警方案。解决价格风险评估不足及缺乏风险预警的问题,更好帮助电力市场运营机构为社会发展服务。
本文档来自技高网...【技术保护点】
1.一种基于优化算法的电力市场价格风险演变分析方法,其特征在于包括以下步骤:
2.根据权利要求1所述的一种基于优化算法的电力市场价格风险演变分析方法,其特征在于,所述步骤1具体为:通过现有大数据平台,挖掘相应影响因素并将其分类,其中外部因素包括社会经济情况、能源产业政策、经济发展增速以及电力市场信心;内部因素包括日一次能源价格、各时段新能源出力预测、新能源出力预测准确率、各时段机组出力波动、各时段系统负荷预测以及各时段气候预测。
3.根据权利要求1所述的一种基于优化算法的电力市场价格风险演变分析方法,其特征在于,所述步骤2具体为:引入模糊综合评价方法,评估外部因素对市场主体影响后,再当作输入数据输入预测模型;评估方法具体如下:
4.根据权利要求1所述的一种基于优化算法的电力市场价格风险演变分析方法,其特征在于,所述步骤3具体为:将外部因素模糊综合评级结果、电力市场内部因素作为循环神经网络RNN模型的输入值,获取电价预测数据;
5.根据权利要求1所述的一种基于优化算法的电力市场价格风险演变分析方法,其特征在于,所述步骤4具体为:经步骤
...【技术特征摘要】
1.一种基于优化算法的电力市场价格风险演变分析方法,其特征在于包括以下步骤:
2.根据权利要求1所述的一种基于优化算法的电力市场价格风险演变分析方法,其特征在于,所述步骤1具体为:通过现有大数据平台,挖掘相应影响因素并将其分类,其中外部因素包括社会经济情况、能源产业政策、经济发展增速以及电力市场信心;内部因素包括日一次能源价格、各时段新能源出力预测、新能源出力预测准确率、各时段机组出力波动、各时段系统负荷预测以及各时段气候预测。
3.根据权利要求1所述的一种基于优化算法的电力市场价格风险演变分...
【专利技术属性】
技术研发人员:杜培,宋少群,黄金富,刘智煖,翁桂萍,郑旭冬,郑陈达,郭威,郑红旭,程鑫,陈绍君,赖永生,
申请(专利权)人:国网福建省电力有限公司,
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。