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】
本专利技术涉及投资决策,更具体地说,它涉及一种基于人工智能的交易投资决策系统及方法。
技术介绍
1、随着分布式能源的发展,分布式能源上网参与市场交易也在逐步的进行推广,分布式能源参与电力交易之后伴随市场交易机制产生投资性的建设,但分布式能源的投资决策涉及电网侧的复杂关系,其成本和收益难以核算。
2、公开号为cn109583786a的专利技术公开了一种分布式电源并网工程经济评估方法,通过计算效益收入和费用支出来计算收益率,作为项目投资评估的依据;效益收入=年余电上网收入+自发自用节省的电费收入+年补贴收入+其他收入,费用支出=项目总投资+总成本费用+税金,项目总投资=固定资产投资+流动资金,总成本费用=经营成本+折旧费+摊销费+财务费用,经营成本=燃料费+用水费+维护修理费+工资及福利费+材料费+保险费+其他费用+线损费。
3、前述的专利技术需要对项目全生命周期内的成本费用进行核算,由于项目并未实际运行,因此只能通过折旧以及人工成本等相对固定的使用成本进行计算,但是分布式能源的运行成本受到电网侧的影响,例如光伏和风电类型的分布式电源的多余电能受到电网侧的影响,影响储能的电量,而储能的运行维护成本是较高的;另外一方面全寿命周期内的效能并非是固定不变的,尤其是光伏和风电类型的分布式能源,需要考虑随时间变化的效能降低;这些因素会导致前述的专利技术的计算方法存在较大的误差;
4、分布式电源项目具有低投资和低收益率的特点,因此收益率计算上的误差容易产生错误的投资决策。
技术实现
1、本专利技术提供一种基于人工智能的交易投资决策系统及方法,解决相关技术中分布式电源项目的投资收益计算的误差容易产生错误的投资决策的技术问题。
2、本专利技术提供了一种基于人工智能的交易投资决策方法,包括以下步骤:
3、步骤101,获取投资目标的规划数据;
4、步骤102,根据投资目标的规划数据来获取投资目标所并入的配电台区的信息;
5、步骤103,根据投资目标所在的配电台区的信息来生成图层,每个图层包括多个节点,一个图层的节点对应表示一个配电台区内部的电源或负载,并且为存在供需电关系的节点之间构建边;基于节点所表示的电源或负载的信息来为节点生成节点表征特征;
6、步骤104,根据配电台区的互联性信息来为配电台区对应的图层来生成图层表征特征;
7、步骤105,将图层的节点表征特征和图层表征特征输入投资决策模型,输出表示投资目标的投资收益率的值。
8、进一步地,配电台区的信息包括配电台区内的电源或负载的信息以及配电台区的互联性信息。
9、进一步地,配电台区的互联性分为以下的类型:
10、孤立台区、公共直流母线集中配置柔性互联系统、直流母线分段分散配置链式结构柔性互联系统和多端环状柔性互联系统;公共直流母线集中配置柔性互联系统、直流母线分段分散配置链式结构柔性互联系统和多端环状柔性互联系统均是包含两个以上的配电台区的柔性互联系统。
11、进一步地,投资决策模型包括节点特征融合层、层间信息融合层和输出层;
12、节点特征融合层的计算公式如下:
13、;
14、;
15、;
16、其中表示第k个图层的第i个节点的融合特征,和分别表示第k个图层的第i个和第j个节点的表征特征,和分别表示第一权重参数和第二权重参数,表示第k个图层中与第i个节点存在边的节点的集合,表示向量拼接;
17、层间信息融合层的计算公式如下:
18、;
19、;
20、其中和分别表示投资目标的节点在第k个和第h个图层的融合特征,m表示第一节点所在的图层的总数,表示第k个的图层的层表征特征,表示第三权重参数,表示向量拼接函数,拼接的对象是和,表示归一化指数函数函数,表示修正线性单元函数;
21、输出层,其计算公式如下:
22、;
23、;
24、其中表示收益比例,、和分别表示第四、第五和第六权重参数,和表示第二和第三偏置参数,表示投资目标的寿命周期,表示sigmoid函数。
25、进一步地,根据投资目标的投资收益率和初始投资成本来计算投资目标的投资决策评分,投资决策评分与投资收益率成正比,与初始投资成本成反比。
26、进一步地,在选择投资目标时可以根据投资决策评分来对投资目标进行筛选,设置评分阈值,提供投资决策评分大于评分阈值的进行推荐。
27、进一步地,根据投资决策评分从大至小对投资目标进行排序,选择前n个投资目标进行推荐。
28、进一步地,投资决策评分计算的公式如下:
29、;
30、其中表示投资决策评分,表示投资目标的初始投资成本。
31、本专利技术提供一种存储介质,其存储了非暂时性计算机可读指令,当非暂时性计算机可读指令由计算机执行时,能够执行前述的一种基于人工智能的交易投资决策方法的步骤。
32、本专利技术提供一种基于人工智能的交易投资决策系统,其用于执行前述的一种基于人工智能的交易投资决策方法,包括:
33、规划数据获取模块,其用于获取投资目标的规划数据;
34、台区信息获取模块,其用于根据投资目标的规划数据来获取投资目标所并入的配电台区的信息;
35、图层生成模块,根据投资目标所在的配电台区的信息来生成图层,每个图层包括多个节点,一个图层的节点对应表示一个配电台区内部的电源或负载,并且为存在供需电关系的节点之间构建边;基于节点所表示的电源或负载的信息来为节点生成节点表征特征;
36、图层表征模块,根据配电台区的互联性信息来为配电台区对应的图层来生成图层表征特征;
37、收益计算模块,将图层的节点表征特征和图层表征特征输入投资决策模型,输出表示投资目标的投资收益率的值;
38、评价模块,其用于根据投资目标的投资收益率和初始投资成本来计算投资目标的投资决策评分;
39、决策模块,其用于根据投资决策评分从大至小对投资目标进行排序,选择前n个投资目标作为选定的投资目标。
40、本专利技术的有益效果在于:本专利技术通过投资目标的关联的配电台区的信息以及配电台区的互联性信息来进行信息融合,并将生命周期作为参考信息来计算投资目标的投资收益率,相对于通过折旧以及人工成本等相对固定的使用成本计算收益率的方法降低了误差,降低了产生错误的投资决策的可能性。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的交易投资决策方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于人工智能的交易投资决策方法,其特征在于,配电台区的信息包括配电台区内的电源或负载的信息以及配电台区的互联性信息。
3.根据权利要求1所述的一种基于人工智能的交易投资决策方法,其特征在于,配电台区的互联性分为以下的类型:
4.根据权利要求1所述的一种基于人工智能的交易投资决策方法,其特征在于,投资决策模型包括节点特征融合层、层间信息融合层和输出层;
5.根据权利要求1所述的一种基于人工智能的交易投资决策方法,其特征在于,根据投资目标的投资收益率和初始投资成本来计算投资目标的投资决策评分,投资决策评分与投资收益率成正比,与初始投资成本成反比。
6.根据权利要求5所述的一种基于人工智能的交易投资决策方法,其特征在于,在选择投资目标时根据投资决策评分来对投资目标进行筛选,设置评分阈值,提供投资决策评分大于评分阈值的进行推荐。
7.根据权利要求5所述的一种基于人工智能的交易投资决策方法,其特征在于,根据投资决策评分从大至
8.根据权利要求5或6或7所述的一种基于人工智能的交易投资决策方法,其特征在于,投资决策评分计算的公式如下:
9.一种存储介质,其特征在于,其存储了非暂时性计算机可读指令,当非暂时性计算机可读指令由计算机执行时,能够执行如权利要求1-8任一所述的一种基于人工智能的交易投资决策方法的步骤。
10.一种基于人工智能的交易投资决策系统,其特征在于,其用于执行如权利要求1-8任一所述的一种基于人工智能的交易投资决策方法,包括:
...【技术特征摘要】
1.一种基于人工智能的交易投资决策方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于人工智能的交易投资决策方法,其特征在于,配电台区的信息包括配电台区内的电源或负载的信息以及配电台区的互联性信息。
3.根据权利要求1所述的一种基于人工智能的交易投资决策方法,其特征在于,配电台区的互联性分为以下的类型:
4.根据权利要求1所述的一种基于人工智能的交易投资决策方法,其特征在于,投资决策模型包括节点特征融合层、层间信息融合层和输出层;
5.根据权利要求1所述的一种基于人工智能的交易投资决策方法,其特征在于,根据投资目标的投资收益率和初始投资成本来计算投资目标的投资决策评分,投资决策评分与投资收益率成正比,与初始投资成本成反比。
6.根据权利要求5所述的一种基于人工智能的交易...
【专利技术属性】
技术研发人员:罗荣崇,罗锦洪,
申请(专利权)人:厦门橙序科技有限公司,
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。