基于电力现货交易数据的交易电价走势预测方法和系统与流程

本发明涉及电力，尤其涉及基于电力现货交易数据的交易电价走势预测方法和系统。

背景技术：

1、随着电力交易所交易的电力量大大增加，电价成为能源市场研究的基石之一；但电力生产本身是一个与工程相关的过程，对电价进行市场研究是一个复杂的问题。

2、电力现货交易是指在电力现货市场进行的交易，电力现货市场主要包括日前、日内和实时的电能量与备用等辅助服务交易市场，现货市场、中长期直接交易市场和期货电力衔生品市场构成现代电力市场体系；国内现货交易作为市场化电力电量平衡机制的补充部分，发挥发现价格、完善交易品种、形成充分竞争的作用。

3、日前市场是现货市场的主要交易平台，提前一天时间确定次日机组的开机组合发电功率，调节所需发用电曲线和中长期合同的偏差，基本实现次日电力电量的平衡，并且满足电网安全约束条件；日内市场是指为市场主体提供在日前市场关闭后对发用电计划进行微调的交易平台，来应对出现的各种预测偏差和非计划状况；实时市场是指在小时前组织实施，接近系统的实时运行情况，真实反映系统超短期的资源稀缺程度与系统堵塞程度，实现电力实时平衡和电网安全运行。

4、电力现货交易市场的交易制度决定了电力现货交易必须确保时刻保持供需平衡；电能输送不能超过电网最大送电能力，否则会导致设备损坏、电网失去稳定甚至崩溃，因此电力现货交割必须时刻满足电网安全约束。

5、在电力现货市场条件下，发电与售电公司面临的将是小时现货电价，每天有24个结算价格，一年有8760个电价；由于小时现货价格受系统母线负荷预测、电网检修安排及容量约束、外送电计划安排、发电机组检修与报价等多种因素的影响，这些因素存在较大的不确定性，小时现货价格的准确预测难度非常高，导致对应交易电价的走势存在预测难度大的问题。

6、申请号为cn202211518645.5的申请文件提出了一种短期电价预测模型的构建方法、短期电价预测方法、计算机可读介质、电子设备，包括：获取电价训练数据，所述电价训练数据包括训练用电价序列，所述训练用电价序列中相邻两个电价的采集间隔时长相同；使用变分模态分解算法处理所述训练用电价序列，得到训练用电价序列的模态分量k分别取1、2、…、k，使用模态分量分别训练cnn-lstm预测模型，得到cnn-lstm预测子模型短期电价预测模型由cnn-lstm预测子模型构成；该方法使用神经网络模型进行短期电价的预测，仅能获得短期电价的预测结果，对应交易电价的价格趋势甚至中长期走势难以预测获取。

7、因此，有必要提供基于电力现货交易数据的交易电价走势预测方法和系统。

技术实现思路

1、本发明提供了基于电力现货交易数据的交易电价走势预测方法和系统，通过对电力现货交易数据中的交易电价转折数据的走势预测，并结合影响交易电价走势的因素种类数据，对基础预测结果进行校准处理，可获取准确度高的交易电价走势，并提高交易电价走势的分析效率，为交易电价的应用提供有利的数据参考。

2、本发明提供了基于电力现货交易数据的交易电价走势预测方法，包括：

3、s1:基于电力现货交易平台，获取电力现货交易数据；

4、s2:获取电力现货交易数据中的交易电价转折数据，并生成关键数据集；

5、s3:将关键数据集输入预设的交易电价走势预测模型，获得基础预测结果；

6、s4:根据影响交易电价走势的因素种类数据，对基础预测结果进行校准处理，生成校准预测结果；

7、s5:根据校准预测结果，进行交易电价走势的展示和分析。

8、进一步地，s1包括：

9、s101:根据电力现货交易平台，获取若干个第一电力现货交易数据；第一电力现货交易数据包括交易市场种类数据和周期交易品种数据；

10、s102:按照预设的分类规则，对第一电力现货交易数据进行分类，获得若干组别的电力现货交易数据。

11、进一步地，s2包括：

12、s201:设置若干个交易电价浮动区间；

13、s202:根据交易电价浮动区间设置交易电价浮动区间值，根据交易电价浮动区间值，在电力现货交易数据中获取对应的交易电价转折数据；

14、s203:将交易电价转折数据作为关键数据，生成关键数据集。

15、进一步地，s3包括:

16、s301：基于关键数据集，获取训练数据集和验证数据集；

17、s302：基于训练数据集对神经网络模型进行训练，获得交易电价走势预测模型；

18、s303：将关键数据集输入交易电价走势预测模型进行预测，获得基础预测结果。

19、进一步地，s4包括:

20、s401：获取影响交易电价走势的因素种类数据；

21、s402：基于k-means聚类模型对因素种类数据进行影响程度的聚类分析，获得不同因素种类的影响程度的占比数据；

22、s403：基于神经网络概率预测模型进行因素种类的出现频率的概率分析，获得不同因素种类的出现频率的概率数据；

23、s404：将占比数据和概率数据分别加权后求和，获得不同因素种类的综合影响数据；

24、s405：基于综合影响数据，对基础预测结果进行影响风险程度的评估，获得评估结果；若评估结果大于预设的影响风险程度阈值，则对基础预测结果进行校准处理，生成校准预测结果。

25、进一步地，s5包括:

26、s501:根据校准预测结果，利用交易电价走势展示平台或交易电价走势展示终端进行展示；

27、s502:根据预设的交易电价走势分析内容选项，从校准预测结果中提取特征数据，基于若干类分析算法或模型进行分析，并进行分析结果的展示。

28、进一步地，还包括s6，根据分析结果进行电力现货交易电价的区间解析，并根据区间解析结果制定应对措施，具体步骤为：

29、s601：获取分析结果中的若干个典型特征区间；典型特征区间基于时间周期、价格幅度或价格走势斜率值进行设定；

30、s602：获取连续多个典型特征区间中的价格走势曲线，并基于价格走势曲线获取连续多个典型特征区间的波动幅度值、曲线斜率值、波动幅度变化速率值；

31、s603：基于预设的函数库，利用波动幅度值、曲线斜率值、波动幅度变化速率值，选择若干个函数进行计算，并根据计算结果，利用人工智能文本生成器，生成区间解析报告；区间解析报告包括电力现货交易价格波动规律的总结和应对策略的推荐；

32、s604：根据区间解析报告，结合电力现货交易数据中的电力现货交易价格历史走势和电力现货交易期望价格，进行电力现货交易应对措施的制定。

33、进一步地，还包括s7，根据展示的电力现货交易电价走势，获得对于电能输送调度的参考值，并用于电能输送调度决策，具体步骤为：

34、s701：获取历史实际交易电价数据，并与校准预测结果进行比较，获得电力现货交易电价预测误差值；

35、s702：基于预设的电力现货交易电价预测误差值与电力现货交易电价预测参考值的匹配对应关系库，获取相匹配的电力现货交易电价预测参考值；

36、s703：根据电力现货交易电价预测参考值在电能输送调度决策中所预设的第一占比，并结合影响电能输送调度决策的若干项因素的若干个第二占比，利用回归方程构建多目标优化函数；

37、s704：根据遗传算法对多目标优化函数进行求解，得到最优解集；基于最优解集中的第一占比和第二占比的数值，用于电能输送调度决策。

38、本发明提供了基于电力现货交易数据的交易电价走势预测系统，包括：交易数据获取单元，用于基于电力现货交易平台，获取电力现货交易数据；

39、关键数据集生成单元，用于获取电力现货交易数据中的交易电价转折数据，并生成关键数据集；

40、基础预测结果生成单元，用于将关键数据集输入预设的交易电价走势预测模型，获得基础预测结果；

41、校准预测结果生成单元，用于根据影响交易电价走势的因素种类数据，对基础预测结果进行校准处理，生成校准预测结果；

42、交易电价走势展示单元，用于根据校准预测结果，进行交易电价走势的展示和分析。

43、进一步地，交易电价走势展示单元还包括分析结果获取子单元；

44、分析结果获取子单元，用于根据分析需求项，利用ai智能分析算法获取与分析需求项相匹配的待分析数据；利用预设的计算模板库选择计算模板进行待分析数据的计算，获得计算结果；基于计算结果，利用预设的机器学习模型进行分析结果的输出，获得若干个分析结果。

45、本发明与现有技术相比，具有如下的优点和有益效果：通过对电力现货交易数据中的交易电价转折数据的走势预测，并结合影响交易电价走势的因素种类数据，对基础预测结果进行校准处理，可获取准确度高的交易电价走势，并提高交易电价走势的分析效率，为交易电价的应用提供有利的数据参考。

46、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

47、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。