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】
本专利技术涉及一种分布式电力交易信用评价方法,属于电力系统。
技术介绍
1、在电力交易过程中,由于交易双方中一方出现违约将造成巨大的损失,因此需要对交易双方进行一定的审查和制约。考虑到分布式电源出力的随机性、分布式储能充放电交易的不确定性、交易主体的逐利性、居民用户和小型商业用户等一般电力用户用电需求的不确定性及区块链交易去中心化管理等特性,分布式能源交易中,市场的信用风险是客观存在的,违约行为将破坏分布式资源交易主体间的信任从而降低分布式资源交易的积极性。
2、比如中国专利cn112580978b电力市场成员信用评价及信用标签的生成方法,从电力交易流程和交易业务关注点的角度提出电力市场成员信用评价指标体系。
3、然而,现有的电力交易信用评价体系主要针对购电方和售电方两个主体进行构建,由于分布式电源推广会影响电力用户在电力市场中的角色,用户可能作为购电方,也可能作为售电方;现有的电力交易信用评价体系不适用于分布式电力交易。
技术实现思路
1、本专利技术的目的在于提供一种分布式电力交易信用评价方法,以解决上述
技术介绍
中提出的问题。
2、本专利技术的技术方案如下:
3、一种分布式电力交易信用评价方法,包括:
4、选取评价指标构建电力市场交易主体在电力市场中的指标体系,评价指标包括正面记录和负面记录;
5、采用机器学习方法先对交易主体进行无监督的信用聚类,再使用熵权法计算电力交易各个指标的权重,进行加权,构造k-me
6、优选的,所述交易主体包括购电主体和售电主体。
7、优选的,对指标体系的计算值进行相应的预处理,以消除由于量级和单位的差别对电力客户信用评价的影响,即数据的归一化。
8、优选的,所述归一化采用以下方法:
9、要评价的电力交易主体为n个,选取了m个评价指标进行建模,第i个客户的第j个特征的值为xij(i=1,…n;j=1,…m);
10、计算第j列特征的最大值:
11、max=max{xij},(i=1,…n)#(1)
12、特征的最小值:
13、min=min{xij},(i=1,…n)#(2)
14、数据为
15、
16、优选的,所述归一化采用以下方法:
17、要评价的电力交易主体为n个,选取了m个评价指标进行建模,第i个客户的第j个特征的值为xij(i=1,…n;j=1,…m);
18、计算第j列特征的均值meanj和方差σj
19、标准化后的数据为
20、
21、优选的,利用k-means给定客户分类个数k,按照样本间距离最近的原则,将n个电力客户划分到k个分类中,k个聚类中心代表了聚类的结果,聚类目标函数如下:
22、
23、其中,dik(xi,ck)是样本xi的特征与聚类中心点ck的距离函数;
24、经过多次迭代计算最优的聚类距离后,最终输出k个聚类集合:
25、gk*,k=1,2,…,k#(9)
26、以及k个类中心:
27、ck*=(ck1,…,ckp),k=1,2,…,k#(10)
28、所述距离函数可采用欧氏距离、曼哈顿距离、余弦距离中任意一种。
29、优选的,首先把所有指标进行同向化处理:
30、正向指标:
31、xij′=xij#(11)
32、负向指标:
33、xij′=max(xij)-xij#(12)
34、其次,对数据进行标准化,将指标按比例缩放,使得不同单位或者量级的指标能够进行比较、加权,处理过程如下:
35、
36、处理后的数据计算信息熵:
37、
38、其中,
39、
40、则各指标的权重为:
41、
42、其中,xj’表示指标j的全部样本原始数据,xij’是个体i的指标j的原始数据。
43、优选的,计算得出k类电力主体的综合信用评价得分:
44、ak=wck*=(w1,…,wp)(ck1,…,ckp)t,k=1,2,…,k#(18);
45、将计算得到的ak进行分级得到每个交易主体的信用等级结果;
46、其中,p是指标数量,w1…wp分别为指标1到指标p的权重。
47、优选的,所述正面记录包括经营状况、发展创新、守信激励、守信能力、守信意愿、守信表现以及财务状况;所述负面记录包括司法裁决、行业监督、商务诚信。
48、一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现一种分布式电力交易信用评价方法。
49、本专利技术具有如下有益效果:
50、提出k-means-ewm聚类加权法对电力交易主体进行信用评价体系构建,可以弥补评价主体单一的缺点,分布式电源交易主体的角色灵活可变,因此考虑了所有交易主体可能的指标选取,更适用于分布式交易下的交易主体信用评价;弥补使用单一方法的缺陷,选取无监督机器学习k-means和综合性评价方法ewm(熵权法)混合的混合建模方式,弥补了单种方法的缺陷;构建先聚类后打分的新型评价思路,可以减少后续奖惩政策的成本。
本文档来自技高网...【技术保护点】
1.一种分布式电力交易信用评价方法,其特征在于:包括:
2.如权利要求1所述的一种分布式电力交易信用评价方法,其特征在于:所述交易主体包括购电主体和售电主体。
3.如权利要求1所述的一种分布式电力交易信用评价方法,其特征在于:对指标体系的计算值进行相应的预处理,以消除由于量级和单位的差别对电力客户信用评价的影响,即数据的归一化。
4.如权利要求3所述的一种分布式电力交易信用评价方法,其特征在于:所述归一化采用以下方法:
5.如权利要求3所述的一种分布式电力交易信用评价方法,其特征在于:所述归一化采用以下方法:
6.如权利要求4或5所述的一种分布式电力交易信用评价方法,其特征在于:利用K-means给定客户分类个数k,按照样本间距离最近的原则,将n个电力客户划分到K个分类中,K个聚类中心代表了聚类的结果,聚类目标函数如下:
7.如权利要求6所述的一种分布式电力交易信用评价方法,其特征在于:首先把所有指标进行同向化处理:
8.如权利要求7所述的一种分布式电力交易信用评价方法,其特征在于:计算得出K类电
9.如权利要求1所述的一种分布式电力交易信用评价方法,其特征在于:所述正面记录包括经营状况、发展创新、守信激励、守信能力、守信意愿、守信表现以及财务状况;所述负面记录包括司法裁决、行业监督、商务诚信。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-9任一权利要求所述的一种分布式电力交易信用评价方法。
...【技术特征摘要】
1.一种分布式电力交易信用评价方法,其特征在于:包括:
2.如权利要求1所述的一种分布式电力交易信用评价方法,其特征在于:所述交易主体包括购电主体和售电主体。
3.如权利要求1所述的一种分布式电力交易信用评价方法,其特征在于:对指标体系的计算值进行相应的预处理,以消除由于量级和单位的差别对电力客户信用评价的影响,即数据的归一化。
4.如权利要求3所述的一种分布式电力交易信用评价方法,其特征在于:所述归一化采用以下方法:
5.如权利要求3所述的一种分布式电力交易信用评价方法,其特征在于:所述归一化采用以下方法:
6.如权利要求4或5所述的一种分布式电力交易信用评价方法,其特征在于:利用k-means给定客户分类个数k,按照样本间距离最近的原则,将n个电力...
【专利技术属性】
技术研发人员:沈一民,徐鸣,林女贵,肖元正,罗秀华,林燕,潘舒宸,陈菲菲,郑美春,童刚,曾振坤,蒲建发,梁钦赐,孔美美,吴飞,钱晓瑞,余陆唯,詹祥澎,
申请(专利权)人:国网福建省电力有限公司营销服务中心,
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。