一种基于评估模型的虚拟电厂交易风险评估方法及系统与流程

本发明涉及虚拟电厂，具体涉及一种基于评估模型的虚拟电厂交易风险评估方法及系统。

背景技术：

1、虚拟电厂是一种通过先进信息通信技术和软件系统，实现dg、储能系统、可控负荷、电动汽车等der的聚合和协调优化，以作为一个特殊电厂参与电力市场和电网运行的电源协调管理系统。虚拟电厂概念的核心可以总结为“通信”和“聚合”。虚拟电厂的关键技术主要包括协调控制技术、智能计量技术以及信息通信技术。

2、目前为了推动虚拟电厂运营商的积极性、增加新能源消纳水平、形成稳定的虚拟电厂与电网协调互动能力，对虚拟电厂进行分级交易，极大地优化了虚拟电厂之间的资源配置。因此，虚拟电厂的交易管理能够保障虚拟电厂交易的稳定进行。

3、现有技术在对虚拟电厂进行交易管理时，通常采用在交易数据中分析出交易风险，通过掌握到交易风险来管理交易，但是，在交易风险评估时必须建立在交易数据齐全的基础上，导致在交易数据缺失场景下难以实现风险评估，交易风险评估鲁棒性差。

技术实现思路

1、本发明的目的在于提供一种基于评估模型的虚拟电厂交易风险评估方法，以解决现有技术中在交易风险评估时必须建立在交易数据齐全的基础上，导致在交易数据缺失场景下难以实现风险评估，交易风险评估鲁棒性差的技术问题。

2、为解决上述技术问题，本发明具体提供下述技术方案：

3、一种基于评估模型的虚拟电厂交易风险评估方法，包括以下步骤：

4、监测用于虚拟电厂与多个交易市场进行结算的交易数据，作为评估虚拟电厂交易风险的评估数据；

5、将所述评估数据利用主成分分析，划分为评估敏感数据和非评估敏感数据；

6、利用神经网络对所述评估敏感数据进行训练，得到通过评估敏感数据得到交易风险值的敏感性指标评估模型；

7、在所述敏感性指标评估模型中利用非评估敏感数据进行迁移学习，得到通过评估非敏感性数据得到交易风险值的非敏感性指标评估模型；

8、通过所述敏感性指标评估模型和非敏感性指标评估模型对交易数据进行组合评估，实现对虚拟电厂进行全指标评估。(意义：主成分缺失后利用非敏感性数据进行替代性评估，提升评估鲁棒性)

9、作为本发明的一种优选方案，所述交易市场包括：电能量市场、天然气市场、碳交易市场、调峰市场。

10、作为本发明的一种优选方案，电能量市场的交易数据包括电能量市场的可聚合资源规模、总负荷规模、电出清价格；

11、调峰市场的交易数据包括调峰市场的调峰需求产生的调峰申报量、电出清价格；

12、碳交易市场的交易数据包括碳交易市场的碳交易量、碳出清价格；

13、天然气市场包括的交易数据包括天然气市场的天然气交易量、天然气出清价格。

14、作为本发明的一种优选方案，所述评估数据包括电能量市场的可聚合资源规模、总负荷规模、电出清价格，调峰市场的调峰需求产生的调峰申报量、电出清价格，碳交易市场的碳交易量、碳出清价格，天然气市场的天然气交易量、天然气出清价格。

15、作为本发明的一种优选方案，所述评估数据的主成分分析方法包括：

16、利用主成分分析方法获取评估数据的主成分；

17、将评估数据的主成分作为评估敏感数据，并将评估数据中剩余的数据作为非评估敏感数据。

18、作为本发明的一种优选方案，所述敏感性指标评估模型的构建方法包括：

19、人工标记出评估敏感数据对应的虚拟电厂交易风险值；

20、将评估敏感数据作为神经网络的输入项，将评估敏感数据对应的虚拟电厂交易风险值作为神经网络的输出项；

21、利用神经网络对神经网络的输入项和神经网络的输出项进行训练，得到根据评估敏感数据获取虚拟电厂交易风险值的敏感性指标评估模型；

22、所述敏感性指标评估模型为：

23、scorea＝net(da)；

24、式中，scorea为敏感性指标评估模型输出的交易风险值，da为评估敏感数据，net为神经网络；

25、敏感性指标评估模型的损失函数：la＝||scorea-scorer||1，式中，la为敏感性评估模型的损失函数，scorea为敏感性指标评估模型输出的交易风险值，scorer为交易风险值的真实值，||scorea-scorer||1为l1范数式。

26、作为本发明的一种优选方案，非敏感性指标评估模型的构建方法包括：

27、人工标记出非评估敏感数据对应的虚拟电厂交易风险值；

28、将非评估敏感数据作为敏感性指标评估模型的迁移输入项，将非评估敏感数据对应的虚拟电厂交易风险值作为敏感性指标评估模型的迁移输出项；

29、利用敏感性指标评估模型对迁移输入项和迁移输出项进行训练，得到根据非评估敏感数据获取虚拟电厂交易风险值的非敏感性指标评估模型；

30、所述非敏感性指标评估模型为：

31、scoreb＝net(db)；

32、式中，scoreb为非敏感性指标评估模型输出的交易风险值，db为非评估敏感数据，net为神经网络；

33、非敏感性指标评估模型的损失函数：lb＝-||db-da||1+||scorea-scoreb||1，式中，lb为非敏感性评估模型的损失函数，scoreb为非敏感性指标评估模型输出的交易风险值，db为非评估敏感数据，scorea为敏感性指标评估模型输出的交易风险值，da为评估敏感数据，||db-da||1和||scorea-scoreb||1均为l1范数式。

34、作为本发明的一种优选方案，通过所述敏感性指标评估模型和非敏感性指标评估模型对交易数据进行组合评估的方法包括：

35、当交易数据中评估敏感数据具有缺失项，非评估敏感数据未缺失时，通过非敏感性指标评估模型对所述交易数据中的非评估敏感数据进行测算，得到虚拟电厂交易风险值；

36、当交易数据中评估敏感数据未缺失时，通过敏感性指标评估模型对所述交易数据中的评估敏感数据进行测算，得到虚拟电厂交易风险值；

37、当交易数据中评估敏感数据和非评估敏感数据均具有缺失项时，通过非敏感性指标评估模型对所述交易数据中的非评估敏感数据进行测算，得到第一交易风险值，再通过敏感性指标评估模型对所述交易数据中的评估敏感数据进行测算，得到第二交易风险值，最后将第一交易风险值和第二交易风险值进行加权均值化得到虚拟电厂交易风险值，其中，

38、第一交易风险值和第二交易风险值的加权权重为：w1＝na-miss/na，w1＝nb-miss/nb，式中，w1和w2分别为第一交易风险值和第二交易风险值的加权权重，na-miss为交易数据中评估敏感数据的未缺失项，na为交易数据中评估敏感数据的总数据项，nb-miss为交易数据中非评估敏感数据的未缺失项，nb为交易数据中非评估敏感数据的总数据项。

39、作为本发明的一种优选方案，本发明提供了一种基于评估模型的虚拟电厂交易风险评估系统，应用于所述的一种基于评估模型的虚拟电厂交易风险评估方法，系统包括：

40、数据采集单元，用于监测用于虚拟电厂与多个交易市场进行结算的交易数据；

41、数据处理单元，用于通过所述敏感性指标评估模型和非敏感性指标评估模型对交易数据进行组合评估，实现对虚拟电厂进行全指标评估。

42、数据存储单元，用于存储敏感性指标评估模型和非敏感性指标评估模型。

43、作为本发明的一种优选方案，数据处理单元通过所述敏感性指标评估模型和非敏感性指标评估模型对交易数据进行组合评估的方法包括：

44、当交易数据中评估敏感数据具有缺失项，非评估敏感数据未缺失时，通过非敏感性指标评估模型对所述交易数据中的非评估敏感数据进行测算，得到虚拟电厂交易风险值；

45、当交易数据中评估敏感数据未缺失时，通过敏感性指标评估模型对所述交易数据中的评估敏感数据进行测算，得到虚拟电厂交易风险值；

46、当交易数据中评估敏感数据和非评估敏感数据均具有缺失项时，通过非敏感性指标评估模型对所述交易数据中的非评估敏感数据进行测算，得到第一交易风险值，再通过敏感性指标评估模型对所述交易数据中的评估敏感数据进行测算，得到第二交易风险值，最后将第一交易风险值和第二交易风险值进行加权均值化得到虚拟电厂交易风险值，其中，

47、第一交易风险值和第二交易风险值的加权权重为：w1＝na-miss/na，w1＝nb-miss/nb，式中，w1和w2分别为第一交易风险值和第二交易风险值的加权权重，na-miss为交易数据中评估敏感数据的未缺失项，na为交易数据中评估敏感数据的总数据项，nb-miss为交易数据中非评估敏感数据的未缺失项，nb为交易数据中非评估敏感数据的总数据项。

48、本发明与现有技术相比较具有如下有益效果：

49、本发明利用神经网络对所述评估敏感数据进行训练，得到通过评估敏感数据得到交易风险值的敏感性指标评估模型，并利用非评估敏感数据进行迁移学习，得到通过评估非敏感性数据得到交易风险值的非敏感性指标评估模型，实现对虚拟电厂进行全指标评估，在交易数据缺失场景下也能实现风险评估，增强虚拟电厂交易风险评估的鲁棒性。