电力现货市场日前竞价空间的预测方法、装置和存储介质制造方法及图纸

本公开提供的电力现货市场日前竞价空间的预测方法，包括：获取电力现货市场的原始历史数据，原始历史数据分为数值型、布尔型和文本型，将每种数据分别表示为数值型时间序列并作为相应的一个特征，针对文本型数据，将电力网络拓扑情况作为外部知识利用大语言模型和设计的格式化提示符对其进行处理，以转换为数值型的时间序列；利用各特征构造特征矩阵，利用该矩阵及其对应的实时竞价空间构建训练数据集；利用训练数据集对深度神经网络模型进行训练，得到日前竞价空间预测模型；将电力现货市场的实时数据对应的待测特征矩阵输入日前竞价空间预测模型，得到日前竞价空间的预测值。本公开充分考虑了影响日前竞价空间的各方面因素，预测精度高。

【技术实现步骤摘要】

本公开涉及电力现货市场预测领域，特别是涉及一种电力现货市场日前竞价空间的预测方法、装置和存储介质。

技术介绍

1、在电力现货市场运营中，电力调度机构如何预先识别潜在系统风险和评估电力系统安全性，是保障电力系统高效运行的关键环节。日前竞价空间作为电力现货市场运行中的一个重要参数，能够辅助电力调度机构制定安全高效的资源配置计划。

2、现阶段日前竞价空间通常按照“日前竞价空间＝统筹负荷-联络线计划量-地方电计划量-备用电计划量-风电预测量-光伏预测量”的计算方式得到，没有考虑电网情况和其他基本面情况，导致日前竞价空间与实时竞价空间存在一定偏差。在中国专利技术专利《一种电力现货市场预测方法、装置、终端及存储介质》(申请号：201911370559.2)所公开的技术方案中包含分时竞价空间计算方法，但其仅考虑了负荷、外购电负荷、a类机组出力，风电、光伏新能源出力以及电网阻塞、检修等影响电力供需关系信息并没有考虑进去。因此，对于电力现货市场日前竞价空间的预测仍然存在改进空间。本专利技术创新地提出了一种日前竞价空间的预测方法，为电力调度机构辅助决策提供了技术支本文档来自技高网...

【技术保护点】

1.一种电力现货市场日前竞价空间的预测方法，其特征在于，包括：

2.根据权利要求1所述的预测方法，其特征在于，所述电力现货市场的原始历史数据和实时数据均分为电力需求侧数据、电网传输侧数据、电力供给侧数据和其他数据；

3.根据权利要求1所述的预测方法，其特征在于，所述电力网络拓扑情况包括电网中的节点、节点中的发电厂以及发电厂连接的母线，以此构建“节点-厂站-线路”关系表格，作为所述大语言模型处理文本型数据的外部知识。

4.根据权利要求2所述的预测方法，其特征在于，对于所述线路阻塞情况和线路检修情况，利用所述大语言模型从其文本数据中提炼出相关信息，并基于所...

【技术特征摘要】

1.一种电力现货市场日前竞价空间的预测方法，其特征在于，包括：

2.根据权利要求1所述的预测方法，其特征在于，所述电力现货市场的原始历史数据和实时数据均分为电力需求侧数据、电网传输侧数据、电力供给侧数据和其他数据；

3.根据权利要求1所述的预测方法，其特征在于，所述电力网络拓扑情况包括电网中的节点、节点中的发电厂以及发电厂连接的母线，以此构建“节点-厂站-线路”关系表格，作为所述大语言模型处理文本型数据的外部知识。

4.根据权利要求2所述的预测方法，其特征在于，对于所述线路阻塞情况和线路检修情况，利用所述大语言模型从其文本数据中提炼出相关信息，并基于所述大语言模型的提示词工程方法设计的格式化提示符，将经所述大语言模型处理后得到的信息根据所述电力网络拓扑情况，统计出电网中各个节点的线路阻塞数量和线路检修数量，由此将针对所述线路阻塞情况和线路检修情况的文本型数据转换成了数值型时间序列数据。

5.根据权利要求4所述的预测方法，其特征在于，设t时刻的特征矩阵为ft，表达式为：

6.根据权利要求1所述的预测方法，其特征在于，所述深度神经网络模型包括卷积神经网络、基于门控循环单元的循环神经网络和输出层，所述循环神经网络由m个门控循环单元组构成，各门控循环单元组内含有相同个数的门控循环单元，第...

【专利技术属性】
技术研发人员：郭毅，刘恺，陈洋，谢文锦，何艳鲜，国闰，寇杰，杨月奎，
申请(专利权)人：启源绿能北京科技有限公司，
类型：发明
国别省市：