CN107993121A - 一种交易电价预测方法及装置 - Google Patents
一种交易电价预测方法及装置 Download PDFInfo
- Publication number
- CN107993121A CN107993121A CN201711206632.3A CN201711206632A CN107993121A CN 107993121 A CN107993121 A CN 107993121A CN 201711206632 A CN201711206632 A CN 201711206632A CN 107993121 A CN107993121 A CN 107993121A
- Authority
- CN
- China
- Prior art keywords
- electricity price
- research
- business
- prediction value
- conclusion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 107
- 230000005611 electricity Effects 0.000 claims abstract description 433
- 238000011160 research Methods 0.000 claims abstract description 199
- 238000000611 regression analysis Methods 0.000 claims description 24
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 7
- 238000012549 training Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000003197 gene knockdown Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种交易电价预测方法及装置,该方法包括:获取交易数据;根据交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值;在最低成交申报电价预测值小于月平均成交电价预测值、月平均成交电价预测值小于申报电价预测值、申报电价预测值小于最高成交申报电价预测值的情况下,生成多个交易电价范围。基于本发明公开的方法,可以基于交易数据预测交易电价范围,这就避免个人主观想法的影响,从而科学有效地预测交易电价范围。
Description
技术领域
本发明涉及电力技术领域,更具体地说,涉及一种交易电价预测方法及装置。
背景技术
随着国内电力市场政策的开放,各省电力竞价交易已经陆续开展。如何在电力竞价交易中以低风险高收益购买电量,是电力公司最为关注的问题之一。
目前,购电主体,一般为电力公司主要是由工作人员利用自身经验和以往购电数据,估算一个或多个交易电价范围来参与电力竞价交易。但是,这种人为估算的方式容易受自身经验影响,缺乏科学性。
因此,如何科学有效地预测交易电价范围,是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供一种交易电价预测方法及装置,以解决如何科学有效地预测交易电价的问题。技术方案如下:
一种交易电价预测方法,包括:
获取交易数据;
根据所述交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值;
在所述最低成交申报电价预测值小于所述月平均成交电价预测值、所述月平均成交电价预测值小于所述申报电价预测值、所述申报电价预测值小于所述最高成交申报电价预测值的情况下,生成多个交易电价范围。
优选的,所述获取交易数据,包括:
从交易中心数据库中获取原始关键性数据;
对所述原始关键性数据进行数据治理,得到交易数据。
优选的,所述交易数据,包括:
发电企业申报电价、购电主体申报电价、购电主体成交电价、购电主体成交申报电价、供需比和月平均成交电价。
优选的,所述根据所述交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值,包括:
基于回归分析法、所述发电企业申报电价、所述购电主体申报电价、所述购电主体成交电价和所述供需比,计算申报电价预测值;
基于所述回归分析法、所述月平均成交电价和所述供需比,计算最低成交申报电价预测值;
根据灰色预测法和所述购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;
根据所述灰色预测法和所述月平均成交电价,计算月平均成交电价预测值。
优选的,所述根据所述交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值,包括:
基于灰色预测法和所述购电主体申报电价,计算申报电价预测值;
基于所述灰色预测法和所述购电主体成交申报电价中的购电主体最低成交申报电价,计算最低成交申报电价预测值;
根据所述灰色预测法和所述购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;
根据所述灰色预测法和所述月平均成交电价,计算月平均成交电价预测值。
优选的,所述生成多个交易电价范围,包括:
根据所述最低成交申报电价预测值和所述月平均成交电价预测值,生成第一交易电价范围;
依据所述月平均成交电价预测值和所述申报电价预测值,生成第二交易电价范围;
根据所述申报电价预测值和所述最高成交申报电价预测值,生成第三交易电价范围。
一种交易电价预测装置,包括:数据获取模块、计算模块和范围生成模块;
所述数据获取模块,用于获取交易数据;
所述计算模块,用于根据所述交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值;
所述范围生成模块,用于在所述最低成交申报电价预测值小于所述月平均成交电价预测值、所述月平均成交电价预测值小于所述申报电价预测值、所述申报电价预测值小于所述最高成交申报电价预测值的情况下,生成多个交易电价范围。
优选的,所述交易数据,包括:
发电企业申报电价、购电主体申报电价、购电主体成交电价、购电主体成交申报电价、供需比和月平均成交电价。
优选的,所述计算模块,具体用于:
基于回归分析法、所述发电企业申报电价、所述购电主体申报电价、所述购电主体成交电价和所述供需比,计算申报电价预测值;基于所述回归分析法、所述月平均成交电价和所述供需比,计算最低成交申报电价预测值;根据灰色预测法和所述购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;根据所述灰色预测法和所述月平均成交电价,计算月平均成交电价预测值。
优选的,所述计算模块,具体用于:
基于灰色预测法和所述购电主体申报电价,计算申报电价预测值;基于所述灰色预测法和所述购电主体成交申报电价中的购电主体最低成交申报电价,计算最低成交申报电价预测值;根据所述灰色预测法和所述购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;根据所述灰色预测法和所述月平均成交电价,计算月平均成交电价预测值。
相较于现有技术,本发明实现的有益效果为:
以上本发明提供的一种交易电价预测方法及装置,该方法利用预设预测算法对电力交易竞价过程中的交易数据进行处理,得到影响交易电价范围的多个预测值,进而生成多个交易电价范围。基于本发明公开的方法,可以基于交易数据预测交易电价范围,这就避免个人主观想法的影响,从而科学有效地预测交易电价范围。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种交易电价预测方法的方法流程图;
图2为本发明实施例提供的一种交易电价预测方法的部分方法流程图;
图3为本发明实施例提供的一种交易电价预测方法的另一部分方法流程图;
图4为本发明实施例提供的一种交易电价预测方法的再一部分方法流程图;
图5为本发明实施例提供的一种交易电价预测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参与交易中心竞价的主体有发电企业、购电主体、交易中心这三方主体,他们在交易中心竞价中担任不同的角色。通俗的讲,我们可以把他们认为买方(购电主体)、卖方(发电企业)和监管者(交易中心)。在电力竞价过程中先由买卖双方各自申报需要的电量、提供的电量、出售价格、购买价格等数据,监管者根据电力交易规则对这些数据进行排序等操作,最终生成交易中心成交价、此次竞价最后可以成交的电价范围及未成交的电价范围。最后买卖双方根据申报电量对应的成交电价进行交易,至此本月电力交易竞价结束。
发电企业申报电价:发电企业在交易中心交易时申报的电价。
购电主体申报电价:购电主体在交易中心交易时申报的电价。
购电主体成交电价:购电主体在交易中心实际与发电企业交易的电价。
发电企业供应电量:发电企业在交易中心竞价时申报的电量总和。
购电主体需求电量:购电主体在交易中心竞价时申报的电量总和。
购电主体成交申报电价:购电主体众多申报价中最终成交的电价,包括购电主体最高成交申报电价和购电主体最低成交申报电价。
供需比:交易中心月度供应需求比;
月平均成交电价:交易中心成交电价的月度平均值。
灰色预测法:根据样本数据的累加和与邻近均值,建立相应的微分方程模型,以预测下一个值。
回归分析法:依据事物发展变化的因果关系来预测事物未来的发展走势,是一种研究变量间相互关系的定量预测方法。
本发明实施例提供一种交易电价预测方法,该方法的方法流程图如图1所示,包括如下步骤:
S10,获取交易数据;
在执行步骤S10的过程中,在电力交易竞价过程中,以竞价周期,一般为月为周期会定时产生发电企业申报电价、购电主体申报电价、购电主体成交电价、发电企业供应电量、购电主体需求电量等数据,在确定最后电价成交和获得利润上起到决定性作用。
因此,本实施例中获取的交易数据中包含有多个影响电价交易的数据,包括但不局限于发电企业申报电价、购电主体申报电价、购电主体成交电价、购电主体成交申报电价、供需比和月平均成交电价,其中,交易数据也以竞价周期为周期,比如,在预测11月份的交易电价范围时,可获取8、9和10月份的交易数据。
在具体实现过程中,步骤S10“获取交易数据”的过程,可以具体采用以下步骤,方法流程图如图2所示:
S101,从交易中心数据库中获取原始关键性数据;
在执行步骤S101的过程中,基于预测月份,获取预测月份之前的交易数据,比如,在预测11月份的交易电价范围,可获取8、9和10月份的交易数据,当然,获取交易数据的时长可根据实际需要具体设定,本实施例不做具体限定。
首先,从交易中心数据库中获取原始关键性数据,其中,原始关键性数据包括但不局限于原始发电企业申报电价、原始发电企业供应电量、原始购电主体申报电价、原始购电主体需求电量、原始购电主体成交电价、原始购电主体成交申报电价、原始每段电量成交价和原始每段电量占比,本实施例不做具体限定。
S102,对原始关键性数据进行数据治理,得到交易数据;
在执行步骤S102的过程中,首先对原始关键性数据进行数据治理,消除量纲不一致、属性构造不一致等情况,得到关键性数据,所述关键性数据包括但不局限于发电企业申报电价、发电企业供应电量、购电主体申报电价、购电主体需求电量、购电主体成交电价、购电主体成交申报电价、每段电量成交价和每段电量占比,本实施例不做具体限定。
进一步,按照如下公式(1)计算供需比:
其中,为A供需比,a为发电企业供应电量,b为购电主体需求电量。
按照如下公式(2)计算月平均成交电价:
其中,B为月平均成交电价,c1为每段电量成交价中的最高成交价,c2为每段电量成交价中的最低成交价,d为每段电量占比。
因此,生成的交易数据中包括但不局限于发电企业申报电价、购电主体申报电价、购电主体成交电价、购电主体成交申报电价、供需比和月平均成交电价,本实施例不做具体限定。
S20,根据交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值;
在执行步骤S20的过程中,影响交易电价范围的多个预测值包括申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值,可利用预设预测算法对交易数据进行处理,得到上述多个预测值。
预设预测算法包括但不局限于灰色预测法和回归分析法,利用上述一个或多个算法对交易数据进行处理,得到申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值。
在具体实现过程中,步骤S20“根据交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值”的过程,可以具体采用以下步骤,方法流程图如图3所示:
S201,基于回归分析法、发电企业申报电价、购电主体申报电价、购电主体成交电价和供需比,计算申报电价预测值;
在执行步骤S201的过程中,首先从交易数据中选取用于训练回归分析系数的样本,比如,在预测11月份的申报电价预测值时,可从获取8、9和10月份交易数据中选取8月份和9月份的交易数据作为样本,选取10月份的交易数据作为预测11月份申报电价预测值的数据。
可采用标定申报电价的方法训练回归分析系数,比如,分别利用8、9月份交易数据中的发电企业申报电价、购电主体申报电价、购电主体成交电价和供需比作为输入,人为标定的8、9月份申报电价分别作为输出,对如下公式(3)中的各回归分析系数——β0、β1、β2、β3和β4分别进行行训练。
y=β0x11+β1x12+β2x13+β3x14+β4 (3)
其中,y为申报电价预测值,x11为发电企业申报电价,x12为购电主体申报电价,x13为购电主体成交电价,x14为供需比,β0、β1、β2、β3和β4为训练后的回归分析系数。
在训练完成后,将10月份的发电企业申报电价、购电主体申报电价、购电主体成交电价和供需比作为输入,计算得到11月份最低成交申报电价预测值的数据。
S202,基于回归分析法、月平均成交电价和供需比,计算最低成交申报电价预测值;
在执行步骤S202的过程中,首先从交易数据中选取用于训练回归分析系数的样本,比如,在预测11月份的最低成交申报电价预测值时,可从获取8、9和10月份交易数据中选取8月份和9月份的交易数据作为样本,选取10月份的交易数据作为预测11月份最低成交申报电价预测值的数据。
可采用标定申报电价的方法训练回归分析系数,比如,利用8月份交易数据中的月平均成交电价和供需比作为输入,人为标定的8月份最低成交申报电价作为输出,对如下公式(4)中的各回归分析系数——μ0、μ1和μ2进行训练。
Y=μ0+μ1X1+μ2X2 (4)
其中,Y为最低成交申报电价预测值,X1为月平均成交电价,X2为供需比,μ0、μ1和μ2为训练后的回归分析系数。
在训练完成后,将10月份的月平均成交电价和供需比作为输入,计算得到11月份最低成交申报电价预测值的数据。
S203,根据灰色预测法和购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;
在执行步骤S203的过程中,首先从交易数据中选取用于训练灰色预测系数的样本,比如,在预测11月份的最高成交申报电价预测值时,可利用8、9和10月份交易数据中的购电主体最高成交申报电价按照如下公式(5)进行计算,此时k=3:
其中,为最高成交申报电价预测值,为从历史最高成交申报电价中第一个数据到其下一个数据之和,a为预先设定的初始发展灰数,u为控制灰数,为初始发展灰数对应的发展灰数预测值,为控制灰数对应的控制灰数预测值,为一次累加而生成的数据序列。
其中,可按照如下公式(6)计算控制灰数u:
可按照如下公式(7)计算发展灰数预测值和控制灰数预测值
其中,
S204,根据灰色预测法和月平均成交电价,计算月平均成交电价预测值;
在执行步骤S204的过程中,首先从交易数据中选取用于训练灰色预测系数的样本,比如,在预测11月份的月平均成交电价预测值时,可利用8、9和10月份交易数据中的月平均成交电价按照如下公式(8)进行计算,此时k=3:
其中,为月平均成交电价预测值,为从历史月平均成交电价中第一个数据到其下一个数据之和,α为预先设定的初始发展灰数,κ为控制灰数,为初始发展灰数对应的发展灰数预测值,为控制灰数对应的控制灰数预测值,为一次累加而生成的数据序列。
其中,可按照如下公式(9)计算控制灰数α:
可按照如下公式(10)计算发展灰数预测值和控制灰数预测值
其中,
需要说明的是,步骤S201、步骤S202、步骤S203和步骤S204的执行顺序可以按照实际需要进行调整,本实施例不做具体限定,均在本实施例保护范围内。
当然,在具体实现过程中,步骤S20“根据交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值”的过程,还可以具体采用以下步骤,方法流程图如图4所示:
S205,基于灰色预测法和购电主体申报电价,计算申报电价预测值;
S206,基于灰色预测法和购电主体成交申报电价中的购电主体最低成交申报电价,计算最低成交申报电价预测值;
S207,根据灰色预测法和购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;
S208,根据灰色预测法和月平均成交电价,计算月平均成交电价预测值。
本实施例中利用灰色预测法计算各预测值的过程,可参见上述实施例中步骤S203或者步骤S204,本实施例不再赘述。
当然,在具体实施过程中,还可利用回归分析法分别计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值,或者采用除灰色预测法和回归分析法之外的预测算法计算上述多个预测值,这均在本发明实施例保护范围内。
需要说明的是,步骤S205、步骤S206、步骤S207和步骤S208的执行顺序可以按照实际需要进行调整,本实施例不做具体限定,均在本实施例保护范围内。
S30,在最低成交申报电价预测值小于月平均成交电价预测值、月平均成交电价预测值小于申报电价预测值、申报电价预测值小于最高成交申报电价预测值的情况下,生成多个交易电价范围;
只有在最低成交申报电价预测值小于月平均成交电价预测值、月平均成交电价预测值小于申报电价预测值、申报电价预测值小于最高成交申报电价预测值的情况,电力交易才可以成交。因此,在出现最低成交申报电价预测值不小于月平均成交电价预测值、月平均成交电价预测值不小于申报电价预测值、申报电价预测值不小于最高成交申报电价预测值任意一种情况时,均表示预测失败,返回步骤S10重新获取交易数据进行预测。
本实施例中,交易电价范围可由最低成交申报电价预测值、月平均成交电价预测值、申报电价预测值和最高成交申报电价预测值中任意两个构成,一般从这四个预测值中选取三个电价范围作为结果,由最低成交申报电价预测值和月平均成交电价预测值构成的第一交易电价范围、由月平均成交电价预测值和申报电价预测值构成的第二交易电价范围以及由申报电价预测值和最高成交申报电价预测值构成的第三交易电价范围。
以上步骤S101~步骤S102仅仅是本申请实施例步骤S10“获取交易数据”的过程的一种优选的实现方式,有关此过程的具体实现方式可根据自己的需求任意设置,在此不做限定。
以上步骤S201~步骤S204仅仅是本申请实施例步骤S20“根据交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值”的过程的一种优选的实现方式,有关此过程的具体实现方式可根据自己的需求任意设置,在此不做限定。
以上步骤S205~步骤S208仅仅是本申请实施例步骤S20“根据交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值”的过程的一种优选的实现方式,有关此过程的具体实现方式可根据自己的需求任意设置,在此不做限定。
本发明实施例提供一种交易电价预测方法,该方法利用预设预测算法对电力交易竞价过程中的交易数据进行处理,得到影响交易电价范围的多个预测值,进而生成多个交易电价范围。基于本发明公开的方法,可以基于交易数据预测交易电价范围,这就避免个人主观想法的影响,从而科学有效地预测交易电价范围。
基于上述实施例提供的交易电价预测方法,本发明实施例则提供一种执行上述交易电价预测方法的装置,该装置的结构示意图如图5所示,包括:数据获取模块10、计算模块20和范围生成模块30;
数据获取模块10,用于获取交易数据;
计算模块20,用于根据交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值;
范围生成模块30,用于在最低成交申报电价预测值小于月平均成交电价预测值、月平均成交电价预测值小于申报电价预测值、申报电价预测值小于最高成交申报电价预测值的情况下,生成多个交易电价范围。
在其中一些实施例中,数据获取模块10,具体用于:
从交易中心数据库中获取原始关键性数据;对原始关键性数据进行数据治理,得到交易数据。
在其中一些实施例中,交易数据,包括:
发电企业申报电价、购电主体申报电价、购电主体成交电价、购电主体成交申报电价、供需比和月平均成交电价。
在其中一些实施例中,计算模块20,具体用于:
基于回归分析法、发电企业申报电价、购电主体申报电价、购电主体成交电价和供需比,计算申报电价预测值;基于回归分析法、月平均成交电价和供需比,计算最低成交申报电价预测值;根据灰色预测法和购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;根据灰色预测法和月平均成交电价,计算月平均成交电价预测值。
在其中一些实施例中,计算模块20,具体用于:
基于灰色预测法和购电主体申报电价,计算申报电价预测值;基于灰色预测法和购电主体成交申报电价中的购电主体最低成交申报电价,计算最低成交申报电价预测值;根据灰色预测法和购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;根据灰色预测法和月平均成交电价,计算月平均成交电价预测值。
在其中一些实施例中,范围生成模块30,具体用于:
根据最低成交申报电价预测值和月平均成交电价预测值,生成第一交易电价范围;依据月平均成交电价预测值和申报电价预测值,生成第二交易电价范围;根据申报电价预测值和最高成交申报电价预测值,生成第三交易电价范围。
本发明实施例提供一种交易电价预测装置,该装置利用预设预测算法对电力交易竞价过程中的交易数据进行处理,得到影响交易电价范围的多个预测值,进而生成多个交易电价范围。基于本发明公开的装置,可以基于交易数据预测交易电价范围,这就避免个人主观想法的影响,从而科学有效地预测交易电价范围。
以上对本发明所提供的一种交易电价预测方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素,或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种交易电价预测方法,其特征在于,包括:
获取交易数据;
根据所述交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值;
在所述最低成交申报电价预测值小于所述月平均成交电价预测值、所述月平均成交电价预测值小于所述申报电价预测值、所述申报电价预测值小于所述最高成交申报电价预测值的情况下,生成多个交易电价范围。
2.根据权利要求1所述的方法,其特征在于,所述获取交易数据,包括:
从交易中心数据库中获取原始关键性数据;
对所述原始关键性数据进行数据治理,得到交易数据。
3.根据权利要求1所述的方法,其特征在于,所述交易数据,包括:
发电企业申报电价、购电主体申报电价、购电主体成交电价、购电主体成交申报电价、供需比和月平均成交电价。
4.根据权利要求3所述的方法,其特征在于,所述根据所述交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值,包括:
基于回归分析法、所述发电企业申报电价、所述购电主体申报电价、所述购电主体成交电价和所述供需比,计算申报电价预测值;
基于所述回归分析法、所述月平均成交电价和所述供需比,计算最低成交申报电价预测值;
根据灰色预测法和所述购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;
根据所述灰色预测法和所述月平均成交电价,计算月平均成交电价预测值。
5.根据权利要求3所述的方法,其特征在于,所述根据所述交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值,包括:
基于灰色预测法和所述购电主体申报电价,计算申报电价预测值;
基于所述灰色预测法和所述购电主体成交申报电价中的购电主体最低成交申报电价,计算最低成交申报电价预测值;
根据所述灰色预测法和所述购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;
根据所述灰色预测法和所述月平均成交电价,计算月平均成交电价预测值。
6.根据权利要求1所述的方法,其特征在于,所述生成多个交易电价范围,包括:
根据所述最低成交申报电价预测值和所述月平均成交电价预测值,生成第一交易电价范围;
依据所述月平均成交电价预测值和所述申报电价预测值,生成第二交易电价范围;
根据所述申报电价预测值和所述最高成交申报电价预测值,生成第三交易电价范围。
7.一种交易电价预测装置,其特征在于,包括:数据获取模块、计算模块和范围生成模块;
所述数据获取模块,用于获取交易数据;
所述计算模块,用于根据所述交易数据和预设预测算法,计算申报电价预测值、最低成交申报电价预测值、最高成交申报电价预测值和月平均成交电价预测值;
所述范围生成模块,用于在所述最低成交申报电价预测值小于所述月平均成交电价预测值、所述月平均成交电价预测值小于所述申报电价预测值、所述申报电价预测值小于所述最高成交申报电价预测值的情况下,生成多个交易电价范围。
8.根据权利要求7所述的装置,其特征在于,所述交易数据,包括:
发电企业申报电价、购电主体申报电价、购电主体成交电价、购电主体成交申报电价、供需比和月平均成交电价。
9.根据权利要求8所述的方法,其特征在于,所述计算模块,具体用于:
基于回归分析法、所述发电企业申报电价、所述购电主体申报电价、所述购电主体成交电价和所述供需比,计算申报电价预测值;基于所述回归分析法、所述月平均成交电价和所述供需比,计算最低成交申报电价预测值;根据灰色预测法和所述购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;根据所述灰色预测法和所述月平均成交电价,计算月平均成交电价预测值。
10.根据权利要求8所述的方法,其特征在于,所述计算模块,具体用于:
基于灰色预测法和所述购电主体申报电价,计算申报电价预测值;基于所述灰色预测法和所述购电主体成交申报电价中的购电主体最低成交申报电价,计算最低成交申报电价预测值;根据所述灰色预测法和所述购电主体成交申报电价中的购电主体最高成交申报电价,计算最高成交申报电价预测值;根据所述灰色预测法和所述月平均成交电价,计算月平均成交电价预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711206632.3A CN107993121A (zh) | 2017-11-27 | 2017-11-27 | 一种交易电价预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711206632.3A CN107993121A (zh) | 2017-11-27 | 2017-11-27 | 一种交易电价预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107993121A true CN107993121A (zh) | 2018-05-04 |
Family
ID=62032449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711206632.3A Pending CN107993121A (zh) | 2017-11-27 | 2017-11-27 | 一种交易电价预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107993121A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872251A (zh) * | 2019-02-20 | 2019-06-11 | 上海理工大学 | 一种基于区块链技术的分布式能源交易通信平台、通信方法及通信平台的搭建方法 |
CN110322074A (zh) * | 2019-07-09 | 2019-10-11 | 北京华电天仁电力控制技术有限公司 | 一种考虑电力供求关系的短期电价预测方法和系统 |
-
2017
- 2017-11-27 CN CN201711206632.3A patent/CN107993121A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872251A (zh) * | 2019-02-20 | 2019-06-11 | 上海理工大学 | 一种基于区块链技术的分布式能源交易通信平台、通信方法及通信平台的搭建方法 |
CN110322074A (zh) * | 2019-07-09 | 2019-10-11 | 北京华电天仁电力控制技术有限公司 | 一种考虑电力供求关系的短期电价预测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rai et al. | Effective information channels for reducing costs of environmentally-friendly technologies: evidence from residential PV markets | |
Zeng et al. | Distributed solar renewable generation: Option contracts with renewable energy credit uncertainty | |
Nojavan et al. | Optimal bidding strategy of electricity retailers using robust optimisation approach considering time‐of‐use rate demand response programs under market price uncertainties | |
Relich et al. | A fuzzy weighted average approach for selecting portfolio of new product development projects | |
Arnoštová et al. | Short-term forecasting of Czech quarterly GDP using monthly indicators | |
Aghajani et al. | A mixed procurement model for humanitarian relief chains | |
Kharrati et al. | Equilibria in the competitive retail electricity market considering uncertainty and risk management | |
Sahu et al. | Appraisal of partner enterprises under GTFNS environment: agile supply chain | |
May et al. | A multi-agent reinforcement learning approach for investigating and optimising peer-to-peer prosumer energy markets | |
CN107993121A (zh) | 一种交易电价预测方法及装置 | |
Dotoli et al. | A Nash equilibrium simulation model for the competitiveness evaluation of the auction based day ahead electricity market | |
CN106682934A (zh) | 一种购电竞价策略 | |
Soleymani et al. | Strategic bidding of generating units in competitive electricity market with considering their reliability | |
Boltürk et al. | Electricity consumption forecasting using fuzzy time series | |
Liaquat et al. | Day‐ahead continuous double auction‐based peer‐to‐peer energy trading platform incorporating trading losses and network utilisation fee | |
CN105260944A (zh) | 一种基于lssvm算法与关联规则挖掘的统计线损计算方法 | |
CN107730058A (zh) | 一种申报电价预测方法及装置 | |
Loutfi et al. | Using system dynamics to analyse the economic impact of tourism multipliers | |
Shinde et al. | A multi-agent model for cross-border trading in the continuous intraday electricity market | |
Tang et al. | Entropy application to improve construction finance decisions | |
Cao et al. | A Novel Dynamic Multicriteria Decision‐Making Approach for Low‐Carbon Supplier Selection of Low‐Carbon Buildings Based on Interval‐Valued Triangular Fuzzy Numbers | |
CN108109012A (zh) | 一种应用于互联网家装平台的门店运营数据统计方法 | |
CN113706215A (zh) | 一种基于博弈的电力征信定价方法 | |
Pruyt | System dynamics and decision-making in the context of dynamically complex multi-dimensional societal issues | |
Han et al. | Managing distrust-induced risk with deposit in supply chain contract decisions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |