CN113052476A - 一种电力零售套餐的制定方法及装置 - Google Patents
一种电力零售套餐的制定方法及装置 Download PDFInfo
- Publication number
- CN113052476A CN113052476A CN202110361883.9A CN202110361883A CN113052476A CN 113052476 A CN113052476 A CN 113052476A CN 202110361883 A CN202110361883 A CN 202110361883A CN 113052476 A CN113052476 A CN 113052476A
- Authority
- CN
- China
- Prior art keywords
- electric power
- parameter values
- package
- determining
- target user
- 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 65
- 230000005611 electricity Effects 0.000 claims abstract description 175
- 230000008901 benefit Effects 0.000 claims description 42
- 238000012502 risk assessment Methods 0.000 claims description 17
- 150000001875 compounds Chemical class 0.000 claims description 11
- 230000001149 cognitive effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 description 71
- 238000004364 calculation method Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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]
- G06Q30/0621—Item configuration or customization
-
- 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)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种电力零售套餐的制定方法及装置,所述方法通过获取售电公司的多种电力零售套餐方案;针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户;获取该电力零售套餐方案的套餐参数,设置多组该电力零售套餐方案的套餐参数的参数值;基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值。本申请的所述方法和装置,依据电力套餐的风险等级,并充分考虑了电力用户的风险与收益情况,可以制定出符合目标用户的电力零售套餐,以平衡售电公司与电力用户之间的利益关系。
Description
技术领域
本申请涉及电力市场技术领域,尤其是涉及一种电力零售套餐的制定方法及装置。
背景技术
随着新电改进程的深入及电力市场的逐步开放,如何保证海量用户公平、公正、有序地参与电力市场交易对交易机构提出了极大的挑战,零售市场信息对小用户不够透明,售电公司之间竞争较大且代理成本越来越高,小用户与售电公司达成交易困难等零售市场的发展问题,因此各地交易机构开始借鉴成熟的电子商务模式,纷纷推出零售套餐政策和零售交易平台,未来电力零售套餐作为一种更加公平、透明的市场化竞争手段,将会成为售电的主要定价方式。
目前,部分电力交易中心为售电公司提供了灵活的参数配置功能和定价机制,方便售电公司制定满足各类用户需求的电力套餐。但是这种电力套餐的定价机制,仍存在一些问题,一方面,售电公司在透明的定价机制下需要保证电力套餐的竞争力,这样可以帮助售电公司快速获客,而另一方面,电力用户的风险收益与电力套餐的定位不匹配不仅会给售电公司带来经营风险,同时也会损害电力用户的利益。因此,售电公司在规避经营风险的前提下,如何制定电力套餐,以平衡售电公司与电力用户之间的利益关系,成为亟待解决的问题。
发明内容
有鉴于此,本申请的目的在于提供一种电力零售套餐的制定方法及装置,依据电力套餐的风险等级,并充分考虑了电力用户的风险与收益情况,可以制定出符合目标用户的电力零售套餐,以平衡售电公司与电力用户之间的利益关系。
本申请实施例提供了一种电力零售套餐的制定方法,所述制定方法包括:
获取售电公司的多种电力零售套餐方案;
针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户;
获取该电力零售套餐方案的套餐参数,设置多组该电力零售套餐方案的套餐参数的参数值;
基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值。
进一步的,所述基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值,包括:
S2a.基于所述目标用户的历史用电数据,确定所述目标用户在各组参数值下的购买意愿;
S2b.基于所述目标用户在各组参数数值下的购买意愿,计算所述目标用户在各组参数值下的收益期望值;
S2c.获取计算得到的收益期望值中的最大收益期望值和所述最大收益期望值对应的参数值;
S2d.判断所述最大收益期望值是否满足收敛条件;
S2e.当所述最大收益期望值满足收敛条件时,确定所述最大收益期望值对应的参数值为最优参数值;
S2f.当所述最大收益期望值不满足收敛条件时,根据所述最大收益期望值对应的参数值,更新各组参数值,以重新确定各组参数值,并返回执行S2a-S2f。
进一步的,所述根据所述最大收益期望值对应的参数值,更新各组参数值,包括:
获取所述各组参数值的历史最优参数值;
针对于每一组参数值,基于该组参数值的历史最优参数值和所述最大收益期望值对应的参数值,通过以下速度更新公式,确定该组参数值的更新速度:
式中,为该组参数值本次更新的速度,为该组参数值上次更新的速度,ω为惯性因子,C1为自我认知因子,C2为社会认知因子,Pid为该组参数值的历史最优参数值,Pgd为最大收益期望值对应的参数值,Xid为该组参数值;
针对于每一组参数值,基于该组参数值的更新速度,通过以下位置更新公式,更新该组参数值:
进一步的,所述基于所述目标用户的历史用电数据,确定所述目标用户在各组参数值下的购买意愿,包括:
根据所述目标用户的历史用电数据,确定所述目标用户的历史用电量和历史度电单价;
基于所述历史用电量,计算所述目标用户在各组参数值下的预计用电费用,并基于所述目标用户的预计用电费用,确定所述目标用户在各组参数值下对应的预计度电单价;
从所述目标用户的历史度电单价中,确定出历史度电单价最大值,并将所述度电单价最大值作为所述目标用户可承受的价格上限;
从所述目标用户的历史度电单价中,确定出历史度电单价最小值,并将所述度电单价最小值作为所述目标用户可承受的价格下限;
根据所述目标用户的价格上限、价格下限以及在各组参数值下对应的预计度电单价,确定所述目标用户在各组参数数值下对所述套餐的购买意愿。
进一步的,所述针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,包括:
从所述电力零售套餐方案中提取风险评定指标数据;
基于所述风险评定指标数据,确定所述电力零售套餐方案的风险评分;
当所述电力零售套餐方案的风险评分大于或等于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为高;
当所述电力零售套餐方案的风险评分小于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为低。
进一步的,所述从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户,包括:
获取电力用户群的历史用电数据;
针对于每一个电力用户,基于该电力用户的历史用电数据,确定该电力用户的风险评分和收益评分;
基于每一个电力用户的风险评分和收益评分,确定该电力用户的风险等级和收益等级;
当所述电力零售套餐方案的风险等级为高时,则从风险等级低的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户;
当所述电力零售套餐方案的风险等级为低时,则从风险等级高的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户。
进一步的,所述针对于每一个电力用户,基于该电力用户的历史用电数据,确定该电力用户的风险评分和收益评分,包括:
针对每一个电力用户,基于所述历史用电数据,计算该电力用户的风险指标和收益指标;
基于该电力用户的风险指标计算该电力用户的风险评分;
基于该电力用户的收益指标计算该电力用户的收益评分。
本申请实施例还提供了一种电力零售套餐的制定装置,所述制定装置包括:
获取模块,用于获取售电公司的多种电力零售套餐方案;
匹配模块,用于针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户;
设置模块,用于获取该电力零售套餐方案的套餐参数,设置多组该电力零售套餐方案的套餐参数的参数值;
确定模块,用于基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值。
进一步的,所述确定模块,在基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值时,所述确定模块用于:
基于所述目标用户的历史用电数据,确定所述目标用户在各组参数值下的购买意愿;
基于所述目标用户在各组参数数值下的购买意愿,计算所述目标用户在各组参数值下的收益期望值;
获取计算得到的收益期望值中的最大收益期望值和所述最大收益期望值对应的参数值;
判断所述最大收益期望值是否满足收敛条件;
当所述最大收益期望值满足收敛条件时,确定所述最大收益期望值对应的参数值为最优参数值;
当所述最大收益期望值不满足收敛条件时,根据所述最大收益期望值对应的参数值,更新各组参数值,以重新确定各组参数值。
进一步的,所述确定模块,在根据所述最大收益期望值对应的参数值,更新各组参数值时,所述确定模块用于;
获取所述各组参数值的历史最优参数值;
针对于每一组参数值,基于该组参数值的历史最优参数值和所述最大收益期望值对应的参数值,通过以下速度更新公式,确定该组参数值的更新速度:
式中,为该组参数值本次更新的速度,为该组参数值上次更新的速度,ω为惯性因子,C1为自我认知因子,C2为社会认知因子,Pid为该组参数值的历史最优参数值,Pgd为最大收益期望值对应的参数值,Xid为该组参数值;
针对于每一组参数值,基于该组参数值的更新速度,通过以下位置更新公式,更新该组参数值:
进一步的,所述确定模块,在基于所述目标用户的历史用电数据,确定所述目标用户在各组参数值下的购买意愿时,所述确定模块用于;
根据所述目标用户的历史用电数据,确定所述目标用户的历史用电量和历史度电单价;
基于所述历史用电量,计算所述目标用户在各组参数值下的预计用电费用,并基于所述目标用户的预计用电费用,确定所述目标用户在各组参数值下对应的预计度电单价;
从所述目标用户的历史度电单价中,确定出历史度电单价最大值,并将所述度电单价最大值作为所述目标用户可承受的价格上限;
从所述目标用户的历史度电单价中,确定出历史度电单价最小值,并将所述度电单价最小值作为所述目标用户可承受的价格下限;
根据所述目标用户的价格上限、价格下限以及在各组参数值下对应的预计度电单价,确定所述目标用户在各组参数数值下对所述套餐的购买意愿。
进一步的,所述匹配模块,在针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级时,所述匹配模块用于:
从所述电力零售套餐方案中提取风险评定指标数据;
基于所述风险评定指标数据,确定所述电力零售套餐方案的风险评分;
当所述电力零售套餐方案的风险评分大于或等于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为高;
当所述电力零售套餐方案的风险评分小于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为低。
进一步的,所述匹配模块,在从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户时,所述匹配模块用于:
获取电力用户群的历史用电数据;
针对于每一个电力用户,基于该电力用户的历史用电数据,确定该电力用户的风险评分和收益评分;
基于每一个电力用户的风险评分和收益评分,确定该电力用户的风险等级和收益等级;
当所述电力零售套餐方案的风险等级为高时,则从风险等级低的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户;
当所述电力零售套餐方案的风险等级为低时,则从风险等级高的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户。
进一步的,所述匹配模块,在针对于每一个电力用户,基于该电力用户的历史用电数据,确定该电力用户的风险评分和收益评分时,所述匹配模块用于:
针对每一个电力用户,基于所述历史用电数据,计算该电力用户的风险指标和收益指标;
基于该电力用户的风险指标计算该电力用户的风险评分;
基于该电力用户的收益指标计算该电力用户的收益评分。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的电力零售套餐的制定方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的电力零售套餐的制定方法的步骤。
本申请实施例提供的电力零售套餐的制定方法与装置,通过获取售电公司的多种电力零售套餐方案;针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户;获取该电力零售套餐方案的套餐参数,设置多组该电力零售套餐方案的套餐参数的参数值;基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值。与现有的电力套餐的定价机制相比,本申请依据电力套餐的风险等级,并充分考虑了电力用户的风险与收益情况,可以制定出符合目标用户的电力零售套餐,以平衡售电公司与电力用户之间的利益关系。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种电力零售套餐的制定方法的流程图;
图2示出了本申请实施例所提供的一种得到多种用户类别的步骤的流程图;
图3示出了本申请实施例所提供的一种确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值的步骤的流程图;
图4示出了本申请实施例所提供的一种电力零售套餐的制定装置的结构示意图;
图5示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
经研究发现,目前的电力套餐的定价机制,仍存在一些问题,一方面,售电公司在透明的定价机制下需要保证电力套餐的竞争力,这样可以帮助售电公司快速获客,而另一方面,电力用户的风险收益与电力套餐的定位不匹配不仅会给售电公司带来经营风险,同时也会损害电力用户的利益。因此,售电公司在规避经营风险的前提下,如何制定电力套餐,以平衡售电公司与电力用户之间的利益关系,成为亟待解决的问题。
基于此,本申请实施例提供了一种电力零售套餐的制定方法,依据电力套餐的风险等级,并充分考虑了电力用户的风险与收益情况,基于电力用户的历史用电数据,制定出符合目标用户的电力零售套餐,以平衡售电公司与电力用户之间的利益关系。
请参阅图1,图1为本申请实施例所提供的一种电力零售套餐的制定方法的流程图。所如图1中所示,本申请实施例提供的电力零售套餐的制定方法,包括:
S101、获取售电公司的多种电力零售套餐方案。
该步骤中,将套餐价格机制和偏差处理机制进行随机组合,生成电力零售套餐方案;其中,套餐价格机制包括:固定价格机制、阶梯价格机制、市场费率机制、混合机制;偏差处理机制包括:无偏差考核机制、多段考核单价机制、多段考核费率机制,基于此,可以得到多种电力零售套餐方案。
这里,套餐价格机制是针对于电力用户的用电量进行收费的一种电能收费机制,此外,当电力用户的实际用电量与合约用电量出现偏差时,售电公司会承担一部分损失,偏差处理机制是售电公司针对电力用户的用电量偏差进行处理的一种偏差处理收费机制。
示例性的,电力零售套餐方案包括但不限于:固定价格机制+无偏差考核机制、固定价格机制+多段考核单价机制、固定价格机制+多段考核费率机制、阶梯价格机制+多段考核单价机制、市场费率机制+多段考核费率机制、混合机制+多段考核费率机制等。
S102、针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级。
该步骤中,从所述电力零售套餐方案中提取风险评定指标数据;基于所述风险评定指标数据,确定所述电力零售套餐方案的风险评分;当所述电力零售套餐方案的风险评分大于或等于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为高;当所述电力零售套餐方案的风险评分小于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为低。
作为示例,风险评定指标数据包括但不限于:套餐持续时间、套餐服务费单价、套餐价格机制是固定还是浮动、有无偏差处理机制、套餐是否允许单方解约,可以选择上述风险评定指标数据中的一种或者多种综合性的对电力零售套餐方案的风险等级进行评分。
考虑到上述风险评定指标数据的指标评判标准不同,作为示例,计算电力零售套餐方案的风险评分的方法可以为:根据不同的指标评判标准,分别确定出每一个风险评定指标数据的风险等级,并将风险等级为高的风险评定指标数据评分为1,将风险等级为低的风险评定指标数据评分为0,将得到的风险评定指标数据评分进行累加得到零售套餐方案的风险评分。
这里,针对于套餐持续时间和套餐服务费单价,可以通过设置指标风险阈值的方式,评定风险评定指标数据的风险等级,具体的,针对于套餐持续时间,设置时间风险阈值,当风险评定指标数据大于时间风险阈值时,评定该风险评定指标数据的风险等级为高;针对于套餐服务费单价,设置单价风险阈值,当风险评定指标数据大于单价风险阈值时,评定该风险评定指标数据的风险等级为高。
同时,针对于套餐价格机制是固定还是浮动、有无偏差处理机制以及套餐是否允许单方解约,可以通过以下方法评定风险评定指标数据的风险等级:当套餐价格机制是固定时,评定该风险评定指标数据的风险等级为高,当无偏差处理机制时,评定该风险评定指标数据的风险等级为高,当套餐允许单方解约时,评定该风险评定指标数据的风险等级为高。
需要说明的是,上述实施例仅为本申请的一部分实施例,还可以通过其他方式确定电力零售套餐方案的风险评分,本申请在此不做任何限定。
S103、从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户。
在具体实施时,可通过以下步骤来从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户。
S1031、获取电力用户群的历史用电数据,并针对于每一个电力用户,基于该电力用户的历史用电数据,计算该电力用户的风险指标和收益指标。
本步骤中,电力用户的风险指标包括但不限于:表征用户用电稳定性的月内日用电量平均波动水平、月内日用电量异常点天数、月内日用电量异常点幅值,以及表征用户电量可预测性的月用电量与气温的相关性、月用电量自相关性、日用电量预测准确率;电力用户的收益指标包括:用户平均月用电量和度电单价。上述电力用户的风险指标和收益指标的计算过程如下:
Sa.通过以下公式(1)对每月的日用电量进行归一化处理:
式中,Qdij为第i月第j日用电量,Qd′ij为第i月第j日归一化用电量,n为第i月总天数。
Sb.通过以下公式(2)计算月内归一化日用电量的标准差σi:
②月内日用电量异常点天数的计算过程如下:
Sa.通过以下公式(4)对每月的日用电量进行Z-score标准化处理:
Sb.将日用电量与月内日平均用电量的标准差倍数大于2的日用电量作为异常值,统计每个月的异常值出现天数Nabi。
③月内日用电量异常点幅值的计算过程如下:
Sa.通过以下公式(6)计算月内日用电量异常值幅值均值Uabi:
④月用电量与气温的相关性的计算过程如下:
Sa.通过以下公式(8)计算每月的日用电量与电力用户所在地区日最高气温相关性系数rQTi:
⑤月用电量相关性的计算过程如下:
Sa.通过以下公式(10)计算过去一年内任意2个月的月内日用电量相关性系数rQQxy:
式中,rQQxy为第x月和第y月的日用电量相关性系数(x≠y)。
⑥日用电量预测准确率的计算过程如下:
Sa.通过以下公式(12)计算日用电量预测准确率ACij:
式中,ACij为第i月第j日用电量预测准确率,Qdpij为第i月第j日预测日用电量。
式中,Qmi为第i月用电量。
⑧通过以下公式(15)计算度电单价pr:
式中,costi为第i月用电费用。
S1032、基于该电力用户的风险指标计算该电力用户的风险评分,基于该电力用户的收益指标计算该电力用户的收益评分。
作为示例,下面以电力用户的风险指标为例,详细说明计算电力用户的风险评分的方法,其计算过程如下:
Sa.通过以下公式(16)对各风险指标进行归一化处理:
式中,Xij为第i个用户的第j个指标,Yij为第i个用户的第j个指标的归一化指标。
Sb.各风险指标携带的信息熵的计算过程如下:
Sb1.通过以下公式(17)计算第i个用户的第j个指标的比重pij:
式中,n为用户数量。
Sb2.通过以下公式(18)计算第i个用户的第j个指标的信息熵ej:
Sc.通过以下公式(19)计算各风险指标的权重ωj:
式中,k为风险指标数量。
Sd.通过以下公式(20)计算各用户的风险评分Si:
同样的,采用上述方法,基于电力用户的收益指标,计算电力用户的收益评分Ri,由于计算电力用户的收益评分的方法与计算电力用户的风险评分的方法相似,重复之处不再赘述。
这样,通过将带有更多信息量的风险指标或者收益指标赋予较高权重值,并采用熵权法对风险指标与收益指标进行分析处理,可以获得不受人为主观因素影响的电力用户的风险评分和收益评分。
S1033、基于每一个电力用户的风险评分和收益评分,确定该电力用户的风险等级和收益等级。
作为示例,可以通过设置基准值的方式确定电力用户的风险等级和收益等级,具体的,针对电力用户的风险评分设置风险等级基准值,针对电力用户的收益评分设置收益等级基准值;将风险评分大于或等于风险等级基准值的电力用户的风险等级确定为高风险,将风险评分小于风险等级基准值的电力用户的风险等级确定为低风险;将收益评分大于或等于收益等级基准值的电力用户的收益等级确定为高收益,将收益评分小于收益等级基准值的电力用户的收益等级确定为低收益。
此外,考虑到售电公司所代理的电力用户往往处于长期变动中,且售电公司的预期收益也会随零售市场竞争环境的变化和自身定位的改变处于不断变化中,而人为设置的基准值将无法适应动态的电力用户和零售市场。因此,本申请实施例还提供了另一种确定电力用户的风险等级和收益等级的方法,该方法基于K-means聚类方法自动将电力用户进行分类,得到可以适应动态的电力用户和零售市场的电力用户的风险等级和收益等级。
具体的,基于电力用户的风险评分和收益评分,采用K-means聚类方法对电力用户群进行分类,得到多种用户类别;根据用户类别对应的风险属性将电力用户的风险等级划分为高风险与低风险,根据用户类别对应的收益属性将电力用户的收益等级划分为高收益与低收益;其中,用户类别和用户类别对应的风险属性和收益属性可以包括:低风险高收益的优质用户、高风险高收益的待改善用户、低风险低收益的潜力用户以及高风险低收益的外围用户。
请参阅图2,图2为本申请实施例所提供的一种得到多种用户类别的步骤的流程图。如图3中所示,本申请实施例提供的得到多种用户类别,包括如下步骤:
S201、针对于每一个电力用户,基于该电力用户的风险评分和收益评分,构建该电力用户的数据集。
该步骤中,针对于每一个电力用户,基于该电力用户的风险评分Si和收益评分Ri,构建该电力用户的数据集Xi=(Si,Ri),得到N个电力用户的数据集。
S202、获取预先设置的多种用户类别,从构建的多个电力用户的数据集中随机选取N个数据集,作为各用户类别的中心点。
该步骤中,获取预先设置的多种用户类别:优质用户、待改善用户、潜力用户以及外围用户,上述用户类别在K-means聚类中对应于以下4个簇{C1,C2,C3,C4},从N个电力用户的数据集中随机选取4个数据集作为上述4个用户类别的中心点{μ1,μ2,μ3,μ4}。
S203、针对于每一个电力用户,基于该电力用户和所述各中心点的数据集,计算该电力用户至各中心点的欧式距离。
该步骤中,针对于每一个电力用户,通过以下公式(21)计算该电力用户的数据集Xi至各中心点μk的欧式距离distik:
S204、获取计算得到的欧式距离中的最小欧式距离,并确定所述最小欧式距离所对应的中心点,将该电力用户划分至所述中心点所在的用户类别中。
该步骤中,根据该电力用户与4个中心点的距离大小,将电力用户划入离中心点距离最近的用户类别中。
S205、判断各用户类别中的电力用户是否发生变化。
该步骤中,针对每一个用户类别,判断本次被划入的电力用户与上一次被划入的电力用户是否相同。
当各用户类别中的电力用户不发生变化时,执行步骤S206、输出各用户类别和所述用户类别中包含的电力用户。
该步骤中,当各用户类别中的电力用户不发生变化时,认为各用户类别中的电力用户是稳定的,因此,可以输出各用户类别以及各用户类别中包含的电力用户。
当各用户类别中的电力用户发生变化时,执行步骤S207、针对于每一个用户类别,根据该用户类别中包含的电力用户,重新确定该用户类别的中心点。
该步骤中,根据该用户类别中已经包含的电力用户,基于各电力用户的数据集,通过以下公式(22)重新确定该用户类别的中心点:
式中,|Ci|为Ci簇对应的用户类别中电力用户的数量。
这样,通过上述K-means聚类方法对电力用户群进行分类,可以得到适应动态的电力用户和零售市场的用户类别,进一步的,基于该用户类别可以确定出适应动态的电力用户和零售市场的电力用户的风险等级和收益等级。
S1034、当所述电力零售套餐方案的风险等级为高时,则从风险等级低的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户;当所述电力零售套餐方案的风险等级为低时,则从风险等级高的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户。
S104、获取该电力零售套餐方案的套餐参数。
该步骤中,鉴于电力零售套餐方案由套餐价格机制和偏差处理机制组成,因此,可以通过分别设置套餐价格机制的价格机制参数和偏差处理机制的处理机制参数的方式,获取该电力零售套餐方案的套餐参数。
作为示例,各套餐价格机制以及该套餐价格机制对应的价格机制参数设置如下:
a.固定价格机制:度电单价prices;
b.阶梯价格机制:第一阶梯度电价格pricel1、第二阶梯度电价格pricel2、第三阶梯度电价格pricel3、累计电量第一阶梯阈值quanl1、累计电量第二阶梯阈值quanl2;
c.市场费率机制:价格调整系数coead;
d.混合机制:固定价格比例ratios、度电单价prices、价格调整系数coead。
作为示例,各偏差处理机制以及该偏差处理机制对应的处理机制参数设置如下:
这里,多段考核单价机制包括:正偏差多段考核单价和负偏差多段考核单价,多段考核费率机制包括:正偏差多段考核费率和负偏差多段考核费率。
示例性的,当电力零售套餐方案为固定价格机制+正偏差多段考核单价时,该电力零售套餐方案的套餐参数为:度电单价prices、第一阶梯考核单价第二阶梯考核单价第三阶梯考核单价偏差电量第一阶梯阈值偏差电量第二阶梯阈值
这样,针对于一种电力零售套餐方案,可以依据上述套餐价格机制的价格机制参数和偏差处理机制的处理机制参数,确定出该电力零售套餐方案的套餐参数。
S105、设置多组该电力零售套餐方案的套餐参数的参数值。
该步骤中,在确定出该电力零售套餐方案的套餐参数后,针对于该组套餐参数,设置多组参数值。
S106、基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值。
该步骤的详细过程,请参阅图3,图3为本申请实施例所提供的一种确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值的步骤的流程图。如图3中所示,本申请实施例提供的确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值,包括如下步骤:
S301、基于所述目标用户的历史用电数据,确定所述目标用户在各组参数值下的购买意愿。
在具体实施时,可通过以下步骤来确定所述目标用户在各组参数值下的购买意愿。
S3011、根据所述目标用户的历史用电数据,确定所述目标用户的历史用电量和历史度电单价。
该步骤中,从目标用户的历史用电数据中,提取出目标用户的历史月购电费用和历史月购电量。
S3012、基于所述历史用电量,计算所述目标用户在各组参数值下的预计用电费用,并基于所述目标用户的预计用电费用,确定所述目标用户在各组参数值下对应的预计度电单价。
该步骤中,将目标用户上一年度的历史月用电量作为预计用电量,而预计用电费用由月度电能费用、偏差处理费用和服务费用组成,基于此,通过如下方法计算目标用户在各组参数值下的预计用电费用:
作为示例,各套餐价格机制下,目标用户的月度电能费用elecost的计算公式如下:
a.固定价格机制:
elecost=prices×Qm; (23)
式中,Qm为目标用户上一年度的月用电量。
b.阶梯价格机制:
c.市场费率机制:
elecost=pricemarket×Qm; (25)
式中,pricemarket为市场基准价格。
d.混合机制:
elecost=prices×Qm×ratios+pricemarket×Qm×(1-ratios); (26)
作为示例,各偏差处理机制下,目标用户的偏差处理费用pucost的计算公式如下:
a.正偏差多段考核单价:
式中,pudev+为目标用户月用电量偏差率;
通过以下公式(28)计算月用电量正偏差率pudev+:
式中,Qmcon为目标用户合约月用电量。
b.负偏差多段考核单价:
式中,pudev-为目标用户月用电量负偏差率;
通过以下公式(30)计算月用电量负偏差率pudev-:
c.正偏差多段考核费率:
偏差处理费用的计算公式同正偏差多段考核单价的计算公式(27),其中,
式中,pave为目标用户月度实际电能单价;
通过以下公式计算月度实际电能单价pave:
d.负偏差多段考核费率:
偏差处理费用的计算公式同负偏差多段考核单价对的计算公式(29),其中,
此外,通过以下公式(38)计算服务费用sevcost:
sevcost=pricesev×Qmcon; (38)
式中,pricesev为制定的服务费单价。
这样,基于上述计算得到的目标用户的月度电能费用、偏差处理费用和服务费用,通过以下公式(39),计算目标用户的预计用电费用:
cost=elecost+pucost+sevcost; (39)
进一步的,基于该预计用电费用,通过以下公式(40)计算该目标用户的预计度电单价:
S3013、从所述目标用户的历史度电单价中,确定出历史度电单价最大值,并将所述度电单价最大值作为所述目标用户可承受的价格上限pu,并从所述目标用户的历史度电单价中,确定出历史度电单价最小值,并将所述度电单价最小值作为所述目标用户可承受的价格下限pl。
S3014、根据所述目标用户的价格上限pu、价格下限pl,构建如下所示的目标用户的购买意愿与预计度电单价的函数关系(41):
式中,x和n为指数,通过以下公式(42)计算x:
通过以下公式(43)计算n:
S3015、根据所述目标用户在各组参数值下对应的预计度电单价,确定所述目标用户在各组参数值下对所述套餐的购买意愿。
这样,依据目标用户的历史度电单价,确定出目标用户在各组参数下对该套餐的购买意愿,充分考虑了电力市场中电力用户的购电自主权,是平衡电力用户与售电公司的利益关系的一部分。
S302、基于所述目标用户在各组参数值下的购买意愿,计算所述目标用户在各组参数值下的收益期望值。
该步骤中,通过以下公式(44)计算目标用户在各组参数值下的收益期望值:
S303、获取计算得到的收益期望值中的最大收益期望值和所述最大收益期望值对应的参数值。
该步骤中,基于粒子群算法,对套餐参数值进行更新,并基于更新的套餐参数值,对收益期望值进行迭代计算。具体的,在多组套餐参数值对应的收益期望值中,识别出最大收益期望值,将该最大收益期望值作为全局最大值,同时获取该最大收益期望值对应的参数值。
S304、判断所述最大收益期望值是否满足收敛条件。
该步骤中,作为示例,可以通过判断迭代次数是否达到设定值的方式,间接判断最大收益期望值是否满足收敛条件;另一种方式是:判断本次迭代计算得到的最大收益期望值与上一次迭代计算得到的最大收益期望值的差值,是否小于设定的阈值。
当所述最大收益期望值满足收敛条件时,执行步骤S305、确定所述最大收益期望值对应的参数值为最优参数值。
该步骤中,最大收益期望值满足收敛条件时,将最大收益期望值对应的参数值确定为最优参数值,该最优参数值是目标用户在确定的套餐参数下的最优参数值。
这样,依据最大收益期望值,确定出针对于该目标用户的最优参数值,充分考虑了电力市场中售电公司的经营风险,是平衡电力用户与售电公司的利益关系的另一部分。
当所述最大收益期望值不满足收敛条件时,执行步骤S306、根据所述最大收益期望值对应的参数值,更新各组参数值,以重新确定各组参数值。
在具体实施时,可通过以下步骤来重新确定各组参数值。
S3061、获取所述各组参数值的历史最优参数值。
S3062、针对于每一组参数值,基于该组参数值的历史最优参数值和所述最大收益期望值对应的参数值,通过以下速度更新公式(45),确定该组参数值的更新速度:
式中,为该组参数值本次更新的速度,为该组参数值上次更新的速度,ω为惯性因子,C1为自我认知因子,C2为社会认知因子,Pid为该组参数值的历史最优参数值,Pgd为最大收益期望值对应的参数值,Xid为该组参数值。
S3063、针对于每一组参数值,基于该组参数值的更新速度,通过以下位置更新公式(46),更新该组参数值:
这样,通过最大收益期望值对应的参数值,作为其他套餐参数值进行更新的目标方向,对其他参数值进行更新,并基于更新的参数值对收益期望值进行迭代计算,可以更准确的确定出最优参数值。
本申请实施例提供的电力零售套餐的制定方法,与现有的电力套餐的定价机制相比,依据电力套餐的风险等级,并充分考虑了电力用户的风险与收益情况,可以制定出符合目标用户的电力零售套餐,以平衡售电公司与电力用户之间的利益关系。
基于同一发明构思,本申请实施例中还提供了与电力零售套餐的制定方法对应的电力零售套餐的制定装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图4,图4为本申请实施例所提供的一种电力零售套餐的制定装置的结构示意图。如图4中所示,所述制定装置400包括:
获取模块401,用于获取售电公司的多种电力零售套餐方案;
匹配模块402,用于针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户;
设置模块403,用于获取该电力零售套餐方案的套餐参数,设置多组该电力零售套餐方案的套餐参数的参数值;
确定模块404,用于基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值。
进一步的,所述确定模块404,在基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值时,所述确定模块404用于:
基于所述目标用户的历史用电数据,确定所述目标用户在各组参数值下的购买意愿;
基于所述目标用户在各组参数数值下的购买意愿,计算所述目标用户在各组参数值下的收益期望值;
获取计算得到的收益期望值中的最大收益期望值和所述最大收益期望值对应的参数值;
判断所述最大收益期望值是否满足收敛条件;
当所述最大收益期望值满足收敛条件时,确定所述最大收益期望值对应的参数值为最优参数值;
当所述最大收益期望值不满足收敛条件时,根据所述最大收益期望值对应的参数值,更新各组参数值,以重新确定各组参数值。
进一步的,所述确定模块404,在根据所述最大收益期望值对应的参数值,更新各组参数值时,所述确定模块404用于:
获取所述各组参数值的历史最优参数值;
针对于每一组参数值,基于该组参数值的历史最优参数值和所述最大收益期望值对应的参数值,通过以下速度更新公式(45),确定该组参数值的更新速度:
式中,为该组参数值本次更新的速度,为该组参数值上次更新的速度,ω为惯性因子,C1为自我认知因子,C2为社会认知因子,Pid为该组参数值的历史最优参数值,Pgd为最大收益期望值对应的参数值,Xid为该组参数值;
针对于每一组参数值,基于该组参数值的更新速度,通过以下位置更新公式(46),更新该组参数值:
进一步的,所述确定模块404,在基于所述目标用户的历史用电数据,确定所述目标用户在各组参数值下的购买意愿时,所述确定模块404用于;
根据所述目标用户的历史用电数据,确定所述目标用户的历史用电量和历史度电单价;
基于所述历史用电量,计算所述目标用户在各组参数值下的预计用电费用,并基于所述目标用户的预计用电费用,确定所述目标用户在各组参数值下对应的预计度电单价;
从所述目标用户的历史度电单价中,确定出历史度电单价最大值,并将所述度电单价最大值作为所述目标用户可承受的价格上限;
从所述目标用户的历史度电单价中,确定出历史度电单价最小值,并将所述度电单价最小值作为所述目标用户可承受的价格下限;
根据所述目标用户的价格上限、价格下限以及在各组参数值下对应的预计度电单价,确定所述目标用户在各组参数数值下对所述套餐的购买意愿。
进一步的,所述匹配模块402,在针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级时,所述匹配模块402用于:
从所述电力零售套餐方案中提取风险评定指标数据;
基于所述风险评定指标数据,确定所述电力零售套餐方案的风险评分;
当所述电力零售套餐方案的风险评分大于或等于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为高;
当所述电力零售套餐方案的风险评分小于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为低。
进一步的,所述匹配模块402,在从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户时,所述匹配模块402用于:
获取电力用户群的历史用电数据;
针对于每一个电力用户,基于该电力用户的历史用电数据,确定该电力用户的风险评分和收益评分;
基于每一个电力用户的风险评分和收益评分,确定该电力用户的风险等级和收益等级;
当所述电力零售套餐方案的风险等级为高时,则从风险等级低的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户;
当所述电力零售套餐方案的风险等级为低时,则从风险等级高的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户。
进一步的,所述匹配模块402,在针对于每一个电力用户,基于该电力用户的历史用电数据,确定该电力用户的风险评分和收益评分时,所述匹配模块402用于:
针对每一个电力用户,基于所述历史用电数据,计算该电力用户的风险指标和收益指标;
基于该电力用户的风险指标计算该电力用户的风险评分;
基于该电力用户的收益指标计算该电力用户的收益评分。
本申请实施例提供的电力零售套餐的制定装置,通过获取售电公司的多种电力零售套餐方案;针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户;获取该电力零售套餐方案的套餐参数,设置多组该电力零售套餐方案的套餐参数的参数值;基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值。与现有的电力套餐的定价机制相比,本申请依据电力套餐的风险等级,并充分考虑了电力用户的风险与收益情况,可以制定出符合目标用户的电力零售套餐,以平衡售电公司与电力用户之间的利益关系。
请参阅图5,图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图1、图2以及图3所示方法实施例中的电力零售套餐的制定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1、图2以及图3所示方法实施例中的电力零售套餐的制定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种电力零售套餐的制定方法,其特征在于,所述制定方法包括:
获取售电公司的多种电力零售套餐方案;
针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户;
获取该电力零售套餐方案的套餐参数,设置多组该电力零售套餐方案的套餐参数的参数值;
基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值,包括:
S2a.基于所述目标用户的历史用电数据,确定所述目标用户在各组参数值下的购买意愿;
S2b.基于所述目标用户在各组参数数值下的购买意愿,计算所述目标用户在各组参数值下的收益期望值;
S2c.获取计算得到的收益期望值中的最大收益期望值和所述最大收益期望值对应的参数值;
S2d.判断所述最大收益期望值是否满足收敛条件;
S2e.当所述最大收益期望值满足收敛条件时,确定所述最大收益期望值对应的参数值为最优参数值;
S2f.当所述最大收益期望值不满足收敛条件时,根据所述最大收益期望值对应的参数值,更新各组参数值,以重新确定各组参数值,并返回执行S2a-S2f。
3.根据权利要求2所述的方法,其特征在于,所述根据所述最大收益期望值对应的参数值,更新各组参数值,包括:
获取所述各组参数值的历史最优参数值;
针对于每一组参数值,基于该组参数值的历史最优参数值和所述最大收益期望值对应的参数值,通过以下速度更新公式,确定该组参数值的更新速度:
式中,为该组参数值本次更新的速度,为该组参数值上次更新的速度,ω为惯性因子,C1为自我认知因子,C2为社会认知因子,Pid为该组参数值的历史最优参数值,Pgd为最大收益期望值对应的参数值,Xid为该组参数值;
针对于每一组参数值,基于该组参数值的更新速度,通过以下位置更新公式,更新该组参数值:
4.根据权利要求2所述的方法,其特征在于,所述基于所述目标用户的历史用电数据,确定所述目标用户在各组参数值下的购买意愿,包括:
根据所述目标用户的历史用电数据,确定所述目标用户的历史用电量和历史度电单价;
基于所述历史用电量,计算所述目标用户在各组参数值下的预计用电费用,并基于所述目标用户的预计用电费用,确定所述目标用户在各组参数值下对应的预计度电单价;
从所述目标用户的历史度电单价中,确定出历史度电单价最大值,并将所述度电单价最大值作为所述目标用户可承受的价格上限;
从所述目标用户的历史度电单价中,确定出历史度电单价最小值,并将所述度电单价最小值作为所述目标用户可承受的价格下限;
根据所述目标用户的价格上限、价格下限以及在各组参数值下对应的预计度电单价,确定所述目标用户在各组参数数值下对所述套餐的购买意愿。
5.根据权利要求1所述的方法,其特征在于,所述针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,包括:
从所述电力零售套餐方案中提取风险评定指标数据;
基于所述风险评定指标数据,确定所述电力零售套餐方案的风险评分;
当所述电力零售套餐方案的风险评分大于或等于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为高;
当所述电力零售套餐方案的风险评分小于套餐风险阈值时,确定所述电力零售套餐方案的风险等级为低。
6.根据权利要求1所述的方法,其特征在于,所述从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户,包括:
获取电力用户群的历史用电数据;
针对于每一个电力用户,基于该电力用户的历史用电数据,确定该电力用户的风险评分和收益评分;
基于每一个电力用户的风险评分和收益评分,确定该电力用户的风险等级和收益等级;
当所述电力零售套餐方案的风险等级为高时,则从风险等级低的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户;
当所述电力零售套餐方案的风险等级为低时,则从风险等级高的电力用户中,将收益等级高的电力用户确定为所述电力零售套餐方案的目标用户。
7.根据权利要求6所述的方法,其特征在于,所述针对于每一个电力用户,基于该电力用户的历史用电数据,确定该电力用户的风险评分和收益评分,包括:
针对每一个电力用户,基于所述历史用电数据,计算该电力用户的风险指标和收益指标;
基于该电力用户的风险指标计算该电力用户的风险评分;
基于该电力用户的收益指标计算该电力用户的收益评分。
8.一种电力零售套餐的制定装置,其特征在于,所述制定装置包括:
获取模块,用于获取售电公司的多种电力零售套餐方案;
匹配模块,用于针对任意一种电力零售套餐方案,确定该电力零售套餐方案的风险等级,从电力用户群中确定出与该电力零售套餐方案的风险等级相匹配的目标用户;
设置模块,用于获取该电力零售套餐方案的套餐参数,设置多组该电力零售套餐方案的套餐参数的参数值;
确定模块,用于基于所述目标用户的历史用电数据和所述多组该套餐参数的参数值,确定所述目标用户在该电力零售套餐方案的套餐参数下的最优参数值。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110361883.9A CN113052476A (zh) | 2021-04-02 | 2021-04-02 | 一种电力零售套餐的制定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110361883.9A CN113052476A (zh) | 2021-04-02 | 2021-04-02 | 一种电力零售套餐的制定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113052476A true CN113052476A (zh) | 2021-06-29 |
Family
ID=76517210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110361883.9A Pending CN113052476A (zh) | 2021-04-02 | 2021-04-02 | 一种电力零售套餐的制定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113052476A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570426A (zh) * | 2021-07-20 | 2021-10-29 | 昆明电力交易中心有限责任公司 | 一种基于标准零售套餐的电力交易系统和方法 |
CN113706336A (zh) * | 2021-09-01 | 2021-11-26 | 知能汇融(北京)咨询有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
CN117390294A (zh) * | 2023-12-13 | 2024-01-12 | 广东电力交易中心有限责任公司 | 缓解电力零售平台数据稀缺的个性化搜索方法及装置 |
-
2021
- 2021-04-02 CN CN202110361883.9A patent/CN113052476A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570426A (zh) * | 2021-07-20 | 2021-10-29 | 昆明电力交易中心有限责任公司 | 一种基于标准零售套餐的电力交易系统和方法 |
CN113570426B (zh) * | 2021-07-20 | 2023-06-13 | 昆明电力交易中心有限责任公司 | 一种基于标准零售套餐的电力交易系统和方法 |
CN113706336A (zh) * | 2021-09-01 | 2021-11-26 | 知能汇融(北京)咨询有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
CN113706336B (zh) * | 2021-09-01 | 2024-02-02 | 知能汇融(北京)咨询有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
CN117390294A (zh) * | 2023-12-13 | 2024-01-12 | 广东电力交易中心有限责任公司 | 缓解电力零售平台数据稀缺的个性化搜索方法及装置 |
CN117390294B (zh) * | 2023-12-13 | 2024-03-08 | 广东电力交易中心有限责任公司 | 缓解电力零售平台数据稀缺的个性化搜索方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113052476A (zh) | 一种电力零售套餐的制定方法及装置 | |
CN109063945B (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
US8484124B2 (en) | Fuel offering and purchase management system | |
US8478683B2 (en) | Fuel offering and purchase management system | |
WO2019105226A1 (zh) | 一种用于营销活动效果预测的方法、装置及电子设备 | |
CN109598300A (zh) | 一种评估系统及方法 | |
CN110866767A (zh) | 电信用户满意度的预测方法、装置、设备及介质 | |
WO2021114674A1 (zh) | 一种用于中长期购售电的策略确定方法及装置 | |
CN109784594B (zh) | 一种售电商可调负荷决策方法及系统 | |
CN109583729B (zh) | 用于平台在线模型的数据处理方法和装置 | |
CN113554354A (zh) | 一种考虑用户多元响应特性的负荷聚合商最优调度方法 | |
CN114943582A (zh) | 一种信息推荐方法、系统及推荐服务器 | |
CN110197316B (zh) | 运营数据的处理方法、装置、计算机可读介质及电子设备 | |
JP6507734B2 (ja) | 電力取引量決定システム、電力取引量決定方法およびプログラム | |
CN112101981A (zh) | 一种基于机会成本的电力调频市场报价计算方法及系统 | |
CN111292170A (zh) | 针对指定楼盘进行意向客户推荐的方法、装置及存储介质 | |
CN111325372A (zh) | 预测模型的建立方法、预测方法、装置、介质及设备 | |
CN115641198A (zh) | 用户运营方法、装置、电子设备和存储介质 | |
CN110163585B (zh) | 一种电子红包的发放方法及装置 | |
CN113379456A (zh) | 一种授信利率差异化定价方法、装置、设备及存储介质 | |
CN112990803A (zh) | 一种收派件任务计提方法、装置、计算机设备及存储介质 | |
Fan et al. | Digital Marketing Technology Based on Electricity User Portrait and K-means Clustering Algorithm | |
CN114266655A (zh) | 基于强化学习的风控模型构建方法及装置 | |
CN109165826A (zh) | 负荷特性分析方法、装置、电子设备及存储介质 | |
CN117726450A (zh) | 一种理财产品推荐方法、装置、设备及可读存储介质 |
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 |
Application publication date: 20210629 |
|
RJ01 | Rejection of invention patent application after publication |