CN116187768A - 适用于绿电市场的风险评估及防护方法 - Google Patents
适用于绿电市场的风险评估及防护方法 Download PDFInfo
- Publication number
- CN116187768A CN116187768A CN202310463606.8A CN202310463606A CN116187768A CN 116187768 A CN116187768 A CN 116187768A CN 202310463606 A CN202310463606 A CN 202310463606A CN 116187768 A CN116187768 A CN 116187768A
- Authority
- CN
- China
- Prior art keywords
- risk assessment
- index
- acquisition
- indexes
- index table
- 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.)
- Granted
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 333
- 230000005611 electricity Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 73
- 230000004927 fusion Effects 0.000 claims description 18
- 238000007499 fusion processing Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000000295 complement effect Effects 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 239000000284 extract Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种适用于绿电市场的风险评估及防护方法，可以结合管理员的需求对绿电市场进行多维度属性的自动评估以及相应的提醒，使得绿电市场的平稳健康发展。包括：根据管理员所选择的风险评估维度的类型生成相对应的总数据采集表；根据风险评估维度调取相对应的第一计算模型，依次提取总数据反馈表内的指标输入至相应第一计算模型得到第一风险评估系数；根据第二计算模型对具有关联关系的第一风险评估系数计算得到第二风险评估系数；确定不满足要求的第一风险评估系数和/或第二风险评估系数，并生成与所确定的第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略。
Description
技术领域
本发明涉及数据处理技术，尤其涉及一种适用于绿电市场的风险评估及防护方法。
背景技术
绿电市场发展愈发成熟，其中包括绿电交易等行为，是推动清洁能源发展的一种中长期电力的方式，它以绿色电力产品为标的物，目的是满足电力用户购买和消费绿色电力的需求，此外还会提供相应的消费认证。电力现货市场为市场主体通过双边协商、集中竞价、挂牌交易等方式开展的多年、年、季、月及月内多日的电力交易。在绿电市场不断推进的过程中，市场自身的不确定性以及复杂的交易环境，对绿电市场的运行产生各类风险，对绿电市场的平稳健康发展产生了威胁。
因此，如何结合管理员的需求对绿电市场进行多维度属性的自动评估以及相应的提醒成为了急需解决的问题。
发明内容
本发明实施例提供一种适用于绿电市场的风险评估及防护方法，可以结合管理员的需求对绿电市场进行多维度属性的自动评估以及相应的提醒，促进绿电市场平稳健康发展。
本发明实施例的第一方面，提供一种适用于绿电市场的风险评估及防护方法，包括：
根据管理员所选择的风险评估维度的类型生成相对应的总数据采集表，所述总数据采集表内包括多个采集指标，每个类型的风险评估维度具有预设的采集指标；
对总数据采集表内的采集指标按照预设分解规则进行归类分解，得到绿电的交易平台指标表、购买商指标表以及生产商指标表，发送至区块链中相对应的节点处；
在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表；
根据所述风险评估维度调取相对应的第一计算模型，依次提取总数据反馈表内的指标输入至相应第一计算模型得到第一风险评估系数；
若判断多个第一风险评估系数存在关联计算关系，则根据第二计算模型对具有关联关系的第一风险评估系数计算得到第二风险评估系数；
确定不满足要求的第一风险评估系数和/或第二风险评估系数，并生成与所确定的第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略。
可选地，在第一方面的一种可能实现方式中，所述根据管理员所选择的风险评估维度的类型生成相对应的总数据采集表，所述总数据采集表内包括多个采集指标，每个类型的风险评估维度具有预设的采集指标，包括：
在判断管理员输入风险评估请求时，生成包括所有风险评估维度的选择界面，所述选择界面内具有不同的风险评估维度的选择栏目；
基于所述选择界面与管理员进行选择交互，根据管理员在选择界面内所确定的选择栏目对应的风险评估维度的类型，确定相应风险评估维度所对应的采集指标；
按照所述选择栏目的选择顺序对相应的采集指标进行排序，使得每个采集指标具有相对应的第一序号，根据所述第一序号对采集指标排序生成总数据采集表。
可选地，在第一方面的一种可能实现方式中，所述对总数据采集表内的采集指标按照预设分解规则进行归类分解，得到绿电的交易平台指标表、购买商指标表以及生产商指标表，发送至区块链中相对应的节点处，包括：
依次遍历总数据采集表内每个采集指标的数据种类，根据总数据采集表内采集指标所对应的数据种类对采集指标归类，得到初始的交易平台指标集、购买商指标集以及生产商指标集；
基于初始的所述交易平台指标集、购买商指标集以及生产商指标集对总数据采集表进行分解，得到所需的交易平台指标表、购买商指标表以及生产商指标表，基于第一序号对交易平台指标表、购买商指标表以及生产商指标表中的采集指标排序；
获取区块链中每个节点所对应的节点种类，根据所述节点种类向相应的节点发送交易平台指标表、购买商指标表以及生产商指标表。
可选地，在第一方面的一种可能实现方式中，所述在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表，包括：
在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表后，根据接收时刻对所有的交易平台指标表排序得到第一指标表序列，根据接收时刻对所有的购买商指标表排序得到第二指标表序列，根据接收时刻对所有的生产商指标表排序得到第三指标表序列；
按照第一指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第一子融合指标表，按照第二指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第二子融合指标表，按照第三指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第三子融合指标表；
对所述第一子融合指标表、第二子融合指标表以及第三子融合指标表内的采集指标按照第一序号进行融合排序，得到总数据反馈表，所述总数据反馈表中内包括多个节点相同维度的采集指标。
可选地，在第一方面的一种可能实现方式中，所述在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表，包括：
在判断达到预设时间后，确定未反馈交易平台指标表、购买商指标表以及生产商指标表的节点的数量得到第一节点数量；
若判断相应维度的采集指标具有预设的补齐特性，则确定未反馈的采集指标所对应的关联指标，根据所述关联指标、第一节点数量、节点的历史采集数据进行计算，得到与相应节点的采集指标所对应的补齐指标；
对每个未反馈节点的补齐指标进行统计生成相对应的平台补齐表、购买商补齐表或生产商补齐表；
基于所述平台补齐表、购买商补齐表或生产商补齐表对第一指标表序列、第二指标表序列以及第三指标表序列更新；
基于更新后的第一指标表序列、第二指标表序列以及第三指标表序列得到总数据反馈表。
可选地，在第一方面的一种可能实现方式中，所述若判断相应维度的采集指标具有预设的补齐特性，则确定未反馈的采集指标所对应的关联指标，根据所述关联指标、第一节点数量或节点的历史采集数据进行计算，得到与相应节点的采集指标所对应的补齐指标，包括：
若判断不存在与未反馈的采集指标所对应的历史采集数据，则根据关联指标、反馈的节点的采集指标进行计算得到差值指标，根据所述差值指标、第一节点数量得到所有未反馈节点的平均的补齐指标；
若判断存在与未反馈的采集指标所对应的历史采集数据，则根据关联指标、反馈的节点的采集指标进行计算得到差值指标，根据历史采集数据得到未反馈节点的历史指标占比；
将所述差值指标与历史指标占比相乘得到相应未反馈节点的补齐指标。
可选地，在第一方面的一种可能实现方式中，所述若判断存在与未反馈的采集指标所对应的历史采集数据，则根据关联指标、反馈的节点的采集指标进行计算得到差值指标，根据历史采集数据得到未反馈节点的历史指标占比，包括：
统计所有的反馈的节点的采集指标之和，将关联指标与采集指标之和相减得到差值指标；
获取与未反馈的采集指标相应维度的历史采集数据，提取所述历史采集数据中未反馈节点的历史指标信息，根据未反馈节点的历史指标信息、所有未反馈节点的历史指标信息之和作比，得到每一个未反馈节点的历史指标占比。
可选地，在第一方面的一种可能实现方式中，所述根据所述风险评估维度调取相对应的第一计算模型，依次提取总数据反馈表内的指标输入至相应第一计算模型得到第一风险评估系数，包括：
根据所述风险评估维度调取相对应的第一计算模型，每个风险评估维度具有相对应的第一计算模型；
依次提取总数据反馈表内的采集指标和/或补齐指标输入至第一计算模型，得到第一风险评估系数；
根据输入至第一计算模型的采集指标的数量、补齐指标的数量进行计算，得到第一计算模型相对应的第一可信度，将所述第一可信度和第一风险评估系数对应存储。
可选地，在第一方面的一种可能实现方式中，所述若判断多个第一风险评估系数存在关联计算关系，则根据第二计算模型对具有关联关系的第一风险评估系数计算得到第二风险评估系数，包括：
若判断多个第一风险评估系数存在关联计算关系，则将相应的第一风险评估系数作为输入至第二计算模型得到第二风险评估系数；
根据每个第一风险评估系数所对应的第一可信度进行综合计算，得到所述第二风险评估系数所对应的第二可信度，将所述第二可信度和第二风险评估系数对应存储。
可选地，在第一方面的一种可能实现方式中，所述确定不满足要求的第一风险评估系数和/或第二风险评估系数，并生成与所确定的第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略，包括：
若第一可信度、第二可信度大于等于预设可信度的第一风险评估系数和/或第二风险评估系数，其位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数满足要求；
若第一可信度、第二可信度大于等于预设可信度的第一风险评估系数和/或第二风险评估系数，其不位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数不满足要求；
调取与第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略，所述第一风险评估系数的维度具有预设的第一保护策略，所述第二风险评估系数的维度具有预设的第二保护策略。
可选地，在第一方面的一种可能实现方式中，还包括：
若第一风险评估系数和/或第二风险评估系数的第一可信度和/或第二可信度小于预设可信度，则生成相对应的可信度存疑标签；
若第一风险评估系数和/或第二风险评估系数位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数满足要求，对相应的第一风险评估系数和/或第二风险评估系数添加可信度存疑标签；
若第一风险评估系数和/或第二风险评估系数不位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数不满足要求，对相应的第一风险评估系数和/或第二风险评估系数添加可信度存疑标签；
根据可信度存疑标签确定第一风险评估系数和/或第二风险评估系数所对应的补齐指标，统计相应的补齐标签得到手动补齐表对管理员显示。
有益效果：1、本方案会结合管理员的需求对相应的风险评估维度的类型进行数据采集，然后结合对应的计算模型进行风险评估系数的计算，以及相应保护策略的调取，从而实现结合管理员的需求对绿电市场进行多维度属性的自动评估以及相应的提醒。其中，在对数据进行采集时，本方案对总数据采集表内的采集指标按照预设分解规则进行归类分解，并在采集到数据后进行相应数据的融合。在进行风险评估时，不但会结合风险评估维度计算得到风险评估系数，还会结合关联关系计算关联的评估系数。本方案通过对绿电市场进行多维度属性的风险评估以及相应的管控，对绿电市场的平稳健康发展起到了关键意义。
2、本方案会利用第一序号对采集指标进行排序和归类，并结合采集指标的数据种类，得到交易平台指标集、购买商指标集以及生产商指标集，利用交易平台指标集、购买商指标集以及生产商指标集在区块链中爬取相应的指标数据。同时，本方案还会对未反馈的节点进行统计，结合采集指标具有的预设的补齐特性，对相应的采集指标进行数据补齐。其中，本方案设置了两种补齐方式，一种方式是在没有历史数据时，结合总量和反馈的节点的采集指标计算差值指标，之后计算平均的补齐指标，在该方式下可以粗略的估计到对应指标的补充数据；另一种方式是在有历史数据时，计算未反馈节点的历史指标信息、所有未反馈节点的历史指标信息之和作比，得到每一个未反馈节点的历史指标占比，然后利用历史指标占比对数据进行拆分，在该方式下，可以相对准确的得到对应指标的补充数据。
3、本方案在得到第一风险评估系数和第二风险评估系数之后，会结合未反馈节点的数据进行计算得到第一风险评估系数和第二风险评估系数的可信度，利用可信度对第一风险评估系数和第二风险评估系数进行指示和提醒，同时在可信度较低时，可以生成手动补齐表对管理员显示，让管理员进行补充操作。
附图说明
图1是本发明实施例提供的一种适用于绿电市场的风险评估及防护方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
参见图1，是本发明实施例提供的一种适用于绿电市场的风险评估及防护方法的流程示意图，该适用于绿电市场的风险评估及防护方法包括S1-S6：
S1，根据管理员所选择的风险评估维度的类型生成相对应的总数据采集表，所述总数据采集表内包括多个采集指标，每个类型的风险评估维度具有预设的采集指标。
在绿电市场不断推进的过程中，市场自身的不确定性以及复杂的交易环境，对绿电市场的运行产生各类风险。通过对绿电市场进行多维度属性的风险评估以及相应的管控，对绿电市场的平稳健康发展起到了关键意义。
本方案会结合管理员所选择的风险评估维度的类型生成相对应的总数据采集表，利用总数据采集表进行所需数据的采集。
其中，总数据采集表内包括多个采集指标，每个类型的风险评估维度具有预设的采集指标。
示例性的，在绿电市场中，风险评估维度的类型包括衡量市场集中度的HHI系数、电价操纵率、履约结算率、异常报价率、勒纳系数、交易活跃度、实际履约率等类型的数据。上述维度的计算方式均为现有技术，例如，针对HHI系数在绿电领域中有一个对应的计算模型。
每个类型的数据都具有相对应的采集指标，例如HHI系数其对应的采集指标可以包括每个主体所占的市场份额，可以理解的是，有了每个主体所占的市场份额的采集指标，才可以计算得到HHI系数。
在一些实施例中，S1（根据管理员所选择的风险评估维度的类型生成相对应的总数据采集表，所述总数据采集表内包括多个采集指标，每个类型的风险评估维度具有预设的采集指标）包括S11-S13：
S11，在判断管理员输入风险评估请求时，生成包括所有风险评估维度的选择界面，所述选择界面内具有不同的风险评估维度的选择栏目。
在管理员有风险评估的请求时，可以向服务器发送风险评估请求。服务器会响应风险评估请求生成包括所有风险评估维度的选择界面供管理员进行选择，其中，选择界面内具有不同的风险评估维度的选择栏目。
S12，基于所述选择界面与管理员进行选择交互，根据管理员在选择界面内所确定的选择栏目对应的风险评估维度的类型，确定相应风险评估维度所对应的采集指标。
管理员可以基于选择界面进行选择交互，服务器根据管理员在选择界面内所确定的选择栏目对应的风险评估维度的类型，从而确定相应风险评估维度所对应的采集指标。
例如，管理员选择的风险评估维度的类型为HHI系数，其对应的采集指标为每个主体所占的市场份额。
S13，按照所述选择栏目的选择顺序对相应的采集指标进行排序，使得每个采集指标具有相对应的第一序号，根据所述第一序号对采集指标排序生成总数据采集表。
值得一提的是，本方案会按照选择栏目的选择顺序对相应的采集指标进行排序，使得每个采集指标具有相对应的第一序号，然后结合第一序号对采集指标排序生成总数据采集表。
例如，管理员依次选中了HHI系数、电价操纵率、履约结算率，那么HHI系数对应的第一序号可以是1、电价操纵率对应的第一序号可以是2、履约结算率对应的第一序号可以为3。
在得到第一序号后，每个采集指标也具有相对应的第一序号，例如，每个主体所占的市场份额的第一序号为1。
S2，对总数据采集表内的采集指标按照预设分解规则进行归类分解，得到绿电的交易平台指标表、购买商指标表以及生产商指标表，发送至区块链中相对应的节点处。
需要说明的是，采集指标不同，其位于的节点也可能是不同的，例如，每个主体所占的市场份额可能只存在于交易平台对应的节点处，而实际履约率只存在于相应的购买商节点或者生产商节点处。
由于采集指标所存在的节点不同，因此，本方案需要对总数据采集表内的采集指标按照预设分解规则进行归类分解，得到绿电的交易平台指标表、购买商指标表以及生产商指标表，然后发送至区块链中相对应的节点处。
在一些实施例中，S2（对总数据采集表内的采集指标按照预设分解规则进行归类分解，得到绿电的交易平台指标表、购买商指标表以及生产商指标表，发送至区块链中相对应的节点处）包括S21- S23：
S21，依次遍历总数据采集表内每个采集指标的数据种类，根据总数据采集表内采集指标所对应的数据种类对采集指标归类，得到交易平台指标集、购买商指标集以及生产商指标集。
首先，本方案会依次遍历总数据采集表内每个采集指标的数据种类，该数据种类可以是预设好的，对应各采集指标的，例如，采集指标1的数据种类对应交易平台，采集指标2的数据种类对应购买商。
本方案会根据总数据采集表内采集指标所对应的数据种类对采集指标归类，从而得到初始的交易平台指标集、购买商指标集以及生产商指标集。
S22，基于初始的所述交易平台指标集、购买商指标集以及生产商指标集对总数据采集表进行分解，得到所需的交易平台指标表、购买商指标表以及生产商指标表，基于第一序号对交易平台指标表、购买商指标表以及生产商指标表中的采集指标排序。
可以理解的是，在得到交易平台指标集、购买商指标集以及生产商指标集后，可以对总数据采集表进行分解，将相应的指标数据分解至相应的指标表中，得到所需的交易平台指标表、购买商指标表以及生产商指标表。
值得一提的是，在得到所需的交易平台指标表、购买商指标表以及生产商指标表之后，本方案会基于第一序号对交易平台指标表、购买商指标表以及生产商指标表中的采集指标排序。
S23，获取区块链中每个节点所对应的节点种类，根据所述节点种类向相应的节点发送交易平台指标表、购买商指标表以及生产商指标表。
其中，节点可以包括交易平台节点、购买商节点和生产商节点，本方案会获取到区块链中每个节点所对应的节点种类，然后结合节点种类向相应的节点发送交易平台指标表、购买商指标表以及生产商指标表，以在相应的节点处进行相应指标数据的采集。
S3，在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表。
可以理解的是，在所有节点分别反馈交易平台指标表、购买商指标表以及生产商指标表之后，本方案会按照预设融合规则进行融合处理得到总数据反馈表。
值得一提的是，在一些情况下，有些节点可能由于异常，未进行数据的反馈，此时，本方案设置有预设时间进行判断，在达到预设时间后，也会按照预设融合规则进行融合处理得到总数据反馈表。
在一些实施例中，S3（在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表）包括S31-S33：
S31，在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表后，根据接收时刻对所有的交易平台指标表排序得到第一指标表序列，根据接收时刻对所有的购买商指标表排序得到第二指标表序列，根据接收时刻对所有的生产商指标表排序得到第三指标表序列。
本方案在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表后，会先获取接收时刻，结合接收时刻对所有的交易平台指标表排序得到第一指标表序列，对所有的购买商指标表排序得到第二指标表序列，对所有的生产商指标表排序得到第三指标表序列。通过上述方式，可以使得接收时刻靠前的排序靠前。
S32，按照第一指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第一子融合指标表，按照第二指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第二子融合指标表，按照第三指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第三子融合指标表。
在得到第一指标表序列、第二指标表序列和第三指标表序列之后，本方案会按照第一指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第一子融合指标表，按照第二指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第二子融合指标表，按照第三指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第三子融合指标表。
S33，对所述第一子融合指标表、第二子融合指标表以及第三子融合指标表内的采集指标按照第一序号进行融合排序，得到总数据反馈表，所述总数据反馈表中内包括多个节点相同维度的采集指标。
最后，本方案会对第一子融合指标表、第二子融合指标表以及第三子融合指标表内的采集指标进行融合。在进行融合时，会结合第一序号进行融合排序，得到总数据反馈表，其中，总数据反馈表中内包括多个节点相同维度的采集指标。可以理解的是，总数据反馈表中具有多个采集指标的对应的指标数据，且按照第一序号进行排序。
在一些实施例中，S3（在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表）包括S34- S35：
S34，在判断达到预设时间后，确定未反馈交易平台指标表、购买商指标表以及生产商指标表的节点的数量得到第一节点数量。
如果在判断达到预设时间后，有节点未进行数据的反馈，此时，本方案会对未反馈交易平台指标表、购买商指标表以及生产商指标表的节点的数量进行统计得到第一节点数量。
可以理解的是，第一节点数量为交易平台、购买商和生产商所有未反馈节点的总和。
S35，若判断相应维度的采集指标具有预设的补齐特性，则确定未反馈的采集指标所对应的关联指标，根据所述关联指标、第一节点数量、节点的历史采集数据进行计算，得到与相应节点的采集指标所对应的补齐指标。
值得一提的是，本方案会为一些采集指标预设相应的补齐特性，具有补齐特性的采集指标是可以通过相关计算来得到对应的补齐数据，利用补齐数据来对未反馈的数据进行补充。需要说明的是，不是所有的采集指标都具有补齐特性，只有一些具备，具备的会为其预先设置补齐特性。例如有些采集指标可以通过历史数据推算得到，或者可以通过总和数据进行求差得到，具体参见下文。
其中，S312（若判断相应维度的采集指标具有预设的补齐特性，则确定未反馈的采集指标所对应的关联指标，根据所述关联指标、第一节点数量或节点的历史采集数据进行计算，得到与相应节点的采集指标所对应的补齐指标）包括S3121- S3123：
S3121，若判断不存在与未反馈的采集指标所对应的历史采集数据，则根据关联指标、反馈的节点的采集指标进行计算得到差值指标，根据所述差值指标、第一节点数量得到所有未反馈节点的平均的补齐指标。
本方案会先判断未反馈的采集指标是否存在对应的历史采集数据，如果判断不存在与未反馈的采集指标所对应的历史采集数据，则会根据关联指标、反馈的节点的采集指标进行计算得到差值指标，最后结合差值指标、第一节点数量得到所有未反馈节点的平均的补齐指标。
示例性的， 针对绿证数量来说，关联指标可以是总数1000个，反馈的节点的采集指标可以是800个，那么差值指标为200个，第一节点数量（未反馈节点的数量）为2个，那么每个未反馈节点的平均的补齐指标为100个。
可以理解的是，上述的计算数据是在没有历史数据的情况下计算出来的预估数据，其准确性不高，可以作为大致的参考。
S3122，若判断存在与未反馈的采集指标所对应的历史采集数据，则根据关联指标、反馈的节点的采集指标进行计算得到差值指标，根据历史采集数据得到未反馈节点的历史指标占比。
在一些情况下，会存在与未反馈的采集指标所对应的历史采集数据，此时，本方案可以结合历史采集数据进行计算。
首先，本方案会先结合关联指标、反馈的节点的采集指标进行计算得到差值指标，然后结合历史采集数据得到未反馈节点的历史指标占比。
其中，S3122（若判断存在与未反馈的采集指标所对应的历史采集数据，则根据关联指标、反馈的节点的采集指标进行计算得到差值指标，根据历史采集数据得到未反馈节点的历史指标占比）包括S31221-S31222：
S31221，统计所有的反馈的节点的采集指标之和，将关联指标与采集指标之和相减得到差值指标。
示例性的，针对绿证数量来说，所有的反馈的节点的采集指标之和为700个，关联指标为1000个，则差值指标为300个。
S31222，获取与未反馈的采集指标相应维度的历史采集数据，提取所述历史采集数据中未反馈节点的历史指标信息，根据未反馈节点的历史指标信息、所有未反馈节点的历史指标信息之和作比，得到每一个未反馈节点的历史指标占比。
此时，本方案会得到未反馈的采集指标相应维度的历史采集数据，提取历史采集数据中未反馈节点的历史指标信息，根据未反馈节点的历史指标信息、所有未反馈节点的历史指标信息之和作比，得到每一个未反馈节点的历史指标占比。
示例性的，针对节点A而言，其上一年度的历史指标信息为100个，针对节点B而言，其上一年度的历史指标信息为200个。那么针对节点A而言，将未反馈节点的历史指标信息（100）、所有未反馈节点的历史指标信息之和（100+200）作比，得到未反馈节点A的历史指标占比为三分之一；同理，针对节点B而言，其历史指标占比为三分之二。
S3123，将所述差值指标与历史指标占比相乘得到相应未反馈节点的补齐指标。
在得到每一个未反馈节点的历史指标占比之后，本方案会将差值指标与历史指标占比相乘得到相应未反馈节点的补齐指标。例如，针对节点A而言，其对应的补齐指标为三分之一乘以300，得到补齐指标100；针对节点B而言，其对应的补齐指标为三分之二乘以300，得到补齐指标200。在一些情况下，得到的数据可能不是整数，可以进行小数点相应位数的保留，或者进行取整处理，这些都是可以针对相应的采集指标进行提前预设的。
通过上述方式，本方案可以结合历史数据计算出相对准确的补齐数据，进行数据的补齐。
S313，对每个未反馈节点的补齐指标进行统计生成相对应的平台补齐表、购买商补齐表或生产商补齐表。
在得到每个未反馈节点的补齐指标后，本方案会对每个未反馈节点的补齐指标进行统计生成相对应的平台补齐表、购买商补齐表或生产商补齐表。
S314，基于所述平台补齐表、购买商补齐表或生产商补齐表对第一指标表序列、第二指标表序列以及第三指标表序列更新。
在得到平台补齐表、购买商补齐表或生产商补齐表后，需要利用平台补齐表、购买商补齐表或生产商补齐表对第一指标表序列、第二指标表序列以及第三指标表序列更新。
S315，基于更新后的第一指标表序列、第二指标表序列以及第三指标表序列得到总数据反馈表。
最后，本方案会结合更新后的第一指标表序列、第二指标表序列以及第三指标表序列得到总数据反馈表。
需要说明的是，在判断相应维度的采集指标不具有预设的补齐特性时，本方案可以通过管理员的主动数据进行相关指标数据的补充。
S4，根据所述风险评估维度调取相对应的第一计算模型，依次提取总数据反馈表内的指标输入至相应第一计算模型得到第一风险评估系数。
在一些实施例中，S4（根据所述风险评估维度调取相对应的第一计算模型，依次提取总数据反馈表内的指标输入至相应第一计算模型得到第一风险评估系数）包括S41-S43：
S41，根据所述风险评估维度调取相对应的第一计算模型，每个风险评估维度具有相对应的第一计算模型。
可以理解的是，在绿电领域，每个风险评估维度都预设有对应的第一计算模型，例如，HHI系数的第一计算模型可以如下：
其中
代表每个主体所占的市场份额。
值得一提的是，上述的第一计算模型为现有的，本方案仅用于调用进行计算，得到对应的第一风险评估系数。
S42，依次提取总数据反馈表内的采集指标和/或补齐指标输入至第一计算模型，得到第一风险评估系数。
本方案会提取总数据反馈表内的采集指标和/或补齐指标输入至第一计算模型进行计算，以得到相对应的第一风险评估系数。
S43，根据输入至第一计算模型的采集指标的数量、补齐指标的数量进行计算，得到第一计算模型相对应的第一可信度，将所述第一可信度和第一风险评估系数对应存储。
可以理解的是，由于有些数据是补齐的，因此其可信度会相对低一些，本方案会结合采集指标的数量、补齐指标的数量进行计算，得到第一计算模型相对应的第一可信度。
还可以理解的是，补齐指标的数量相对于第一计算模型的采集指标的数量的比例越大，对应的第一计算模型相对应的第一可信度也就越小。
S5，若判断多个第一风险评估系数存在关联计算关系，则根据第二计算模型对具有关联关系的第一风险评估系数计算得到第二风险评估系数。
在一些情况下，风险评估维度之间可能具有关联关系，此时，本方案会进行综合计算，得到第二风险评估系数。
具体的，如果判断多个第一风险评估系数之间存在关联计算关系，则根据第二计算模型对具有关联关系的第一风险评估系数计算得到第二风险评估系数。
在一些实施例中，S5（若判断多个第一风险评估系数存在关联计算关系，则根据第二计算模型对具有关联关系的第一风险评估系数计算得到第二风险评估系数）包括S51-S52：
S51，若判断多个第一风险评估系数存在关联计算关系，则将相应的第一风险评估系数作为输入至第二计算模型得到第二风险评估系数。
可以理解的是，第二计算模型用于对多个第一风险评估系数进行综合计算得到第二风险评估系数。
在进行综合计算时，可以为每个风险评估维度预设综合权重，然后将对应的预设综合权重与第一风险评估系数相乘后得到每个风险评估维度对应的综合值，然后再将多个综合值相加即可得到第二风险评估系数。
S52，根据每个第一风险评估系数所对应的第一可信度进行综合计算，得到所述第二风险评估系数所对应的第二可信度，将所述第二可信度和第二风险评估系数对应存储。
同时，本方案还会结合每个第一风险评估系数所对应的第一可信度进行综合计算，得到第二风险评估系数所对应的第二可信度，然后将第二可信度和第二风险评估系数对应存储。
其中，在进行第二可信度的计算时，也可以利用上述的预设综合权重的类似原理进行计算，加权求和即可得到第二风险评估系数所对应的第二可信度。
S6，确定不满足要求的第一风险评估系数和/或第二风险评估系数，并生成与所确定的第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略。
在得到第一风险评估系数和/或第二风险评估系数之后，会对第一风险评估系数和/或第二风险评估系数进行判断，且会确定不满足要求的第一风险评估系数和/或第二风险评估系数，生成与所确定的第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略。
其中，第一保护策略和/或第二保护策略可以是对应预先设置好的。例如，针对衡量市场集中度的HHI系数，如何对应的第一风险评估系数和/或第二风险评估系数不满足要求，那么保护策略可以是限制集中，比如限制收购企业等行为，防止进行市场垄断。其他维度类似原理，不再赘述。
在一些实施例中，S6（确定不满足要求的第一风险评估系数和/或第二风险评估系数，并生成与所确定的第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略）包括S61-S63：
S61，若第一可信度、第二可信度大于等于预设可信度的第一风险评估系数和/或第二风险评估系数，其位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数满足要求。
值得一提的是，在进行评价时，本方案会结合可信度和评估系数两个维度进行综合评价。
如果第一可信度、第二可信度大于等于预设可信度，说明所计算出的第一风险评估系数和/或第二风险评估系数可信度较高，如果第一风险评估系数和/或第二风险评估系数位于相应维度的预设风险评估区间内，则本方案会判断第一风险评估系数和/或第二风险评估系数满足要求。
S62，若第一可信度、第二可信度大于等于预设可信度的第一风险评估系数和/或第二风险评估系数，其不位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数不满足要求。
如果第一可信度、第二可信度大于等于预设可信度，说明所计算出的第一风险评估系数和/或第二风险评估系数可信度较高，与S61不同的是，如果第一风险评估系数和/或第二风险评估系数不位于相应维度的预设风险评估区间内，则本方案会判断第一风险评估系数和/或第二风险评估系数不满足要求。
S63，调取与第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略，所述第一风险评估系数的维度具有预设的第一保护策略，所述第二风险评估系数的维度具有预设的第二保护策略。
此时，本方案会调取与第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略，进行提醒操作。
在一些实施例中，还包括：
若第一风险评估系数和/或第二风险评估系数的第一可信度和/或第二可信度小于预设可信度，则生成相对应的可信度存疑标签。
可以理解的是，如果第一风险评估系数和/或第二风险评估系数的第一可信度和/或第二可信度小于预设可信度，则说明数据的可信度较低，此时本方案会生成相对应的可信度存疑标签。
若第一风险评估系数和/或第二风险评估系数位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数满足要求，对相应的第一风险评估系数和/或第二风险评估系数添加可信度存疑标签。
如果第一风险评估系数和/或第二风险评估系数位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数满足要求，同时，本方案会对相应的第一风险评估系数和/或第二风险评估系数添加可信度存疑标签，来表示输出的结果存疑。
若第一风险评估系数和/或第二风险评估系数不位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数不满足要求，对相应的第一风险评估系数和/或第二风险评估系数添加可信度存疑标签。
如果第一风险评估系数和/或第二风险评估系数不位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数不满足要求，同时也会对相应的第一风险评估系数和/或第二风险评估系数添加可信度存疑标签。
根据可信度存疑标签确定第一风险评估系数和/或第二风险评估系数所对应的补齐指标，统计相应的补齐标签得到手动补齐表对管理员显示。
本方案会结合可信度存疑标签确定第一风险评估系数和/或第二风险评估系数所对应的补齐指标，统计相应的补齐标签得到手动补齐表对管理员显示，使得管理员可以利用手动补齐表来对相关的补齐指标进行补充，以使得数据的可信度升高。
本发明实施例还提供一种适用于绿电市场的风险评估及防护系统，该适用于绿电市场的风险评估及防护系统，包括：
选择模块，用于根据管理员所选择的风险评估维度的类型生成相对应的总数据采集表，所述总数据采集表内包括多个采集指标，每个类型的风险评估维度具有预设的采集指标；
分解模块，用于对总数据采集表内的采集指标按照预设分解规则进行归类分解，得到绿电的交易平台指标表、购买商指标表以及生产商指标表，发送至区块链中相对应的节点处；
融合模块，用于在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表；
计算模块，用于根据所述风险评估维度调取相对应的第一计算模型，依次提取总数据反馈表内的指标输入至相应第一计算模型得到第一风险评估系数；
关联模块，用于若判断多个第一风险评估系数存在关联计算关系，则根据第二计算模型对具有关联关系的第一风险评估系数计算得到第二风险评估系数；
结果模块，用于确定不满足要求的第一风险评估系数和/或第二风险评估系数，并生成与所确定的第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略。
本发明还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (11)
1.适用于绿电市场的风险评估及防护方法，其特征在于，包括：
根据管理员所选择的风险评估维度的类型生成相对应的总数据采集表，所述总数据采集表内包括多个采集指标，每个类型的风险评估维度具有预设的采集指标；
对总数据采集表内的采集指标按照预设分解规则进行归类分解，得到绿电的交易平台指标表、购买商指标表以及生产商指标表，发送至区块链中相对应的节点处；
在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表；
根据所述风险评估维度调取相对应的第一计算模型，依次提取总数据反馈表内的指标输入至相应第一计算模型得到第一风险评估系数；
若判断多个第一风险评估系数存在关联计算关系，则根据第二计算模型对具有关联关系的第一风险评估系数计算得到第二风险评估系数；
确定不满足要求的第一风险评估系数和/或第二风险评估系数，并生成与所确定的第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略。
2.根据权利要求1所述的适用于绿电市场的风险评估及防护方法，其特征在于，
所述根据管理员所选择的风险评估维度的类型生成相对应的总数据采集表，所述总数据采集表内包括多个采集指标，每个类型的风险评估维度具有预设的采集指标，包括：
在判断管理员输入风险评估请求时，生成包括所有风险评估维度的选择界面，所述选择界面内具有不同的风险评估维度的选择栏目；
基于所述选择界面与管理员进行选择交互，根据管理员在选择界面内所确定的选择栏目对应的风险评估维度的类型，确定相应风险评估维度所对应的采集指标；
按照所述选择栏目的选择顺序对相应的采集指标进行排序，使得每个采集指标具有相对应的第一序号，根据所述第一序号对采集指标排序生成总数据采集表。
3.根据权利要求2所述的适用于绿电市场的风险评估及防护方法，其特征在于，
所述对总数据采集表内的采集指标按照预设分解规则进行归类分解，得到绿电的交易平台指标表、购买商指标表以及生产商指标表，发送至区块链中相对应的节点处，包括：
依次遍历总数据采集表内每个采集指标的数据种类，根据总数据采集表内采集指标所对应的数据种类对采集指标归类，得到初始的交易平台指标集、购买商指标集以及生产商指标集；
基于初始的所述交易平台指标集、购买商指标集以及生产商指标集对总数据采集表进行分解，得到所需的交易平台指标表、购买商指标表以及生产商指标表，基于第一序号对交易平台指标表、购买商指标表以及生产商指标表中的采集指标排序；
获取区块链中每个节点所对应的节点种类，根据所述节点种类向相应的节点发送交易平台指标表、购买商指标表以及生产商指标表。
4.根据权利要求3所述的适用于绿电市场的风险评估及防护方法，其特征在于，
所述在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表，包括：
在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表后，根据接收时刻对所有的交易平台指标表排序得到第一指标表序列，根据接收时刻对所有的购买商指标表排序得到第二指标表序列，根据接收时刻对所有的生产商指标表排序得到第三指标表序列；
按照第一指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第一子融合指标表，按照第二指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第二子融合指标表，按照第三指标表序列依次提取每个节点的交易平台指标表内的采集指标，得到第三子融合指标表；
对所述第一子融合指标表、第二子融合指标表以及第三子融合指标表内的采集指标按照第一序号进行融合排序，得到总数据反馈表，所述总数据反馈表中内包括多个节点相同维度的采集指标。
5.根据权利要求4所述的适用于绿电市场的风险评估及防护方法，其特征在于，
所述在判断接收到所有节点分别反馈的交易平台指标表、购买商指标表以及生产商指标表，或达到预设时间后，按照预设融合规则进行融合处理得到总数据反馈表，包括：
在判断达到预设时间后，确定未反馈交易平台指标表、购买商指标表以及生产商指标表的节点的数量得到第一节点数量；
若判断相应维度的采集指标具有预设的补齐特性，则确定未反馈的采集指标所对应的关联指标，根据所述关联指标、第一节点数量、节点的历史采集数据进行计算，得到与相应节点的采集指标所对应的补齐指标；
对每个未反馈节点的补齐指标进行统计生成相对应的平台补齐表、购买商补齐表或生产商补齐表；
基于所述平台补齐表、购买商补齐表或生产商补齐表对第一指标表序列、第二指标表序列以及第三指标表序列更新；
基于更新后的第一指标表序列、第二指标表序列以及第三指标表序列得到总数据反馈表。
6.根据权利要求5所述的适用于绿电市场的风险评估及防护方法，其特征在于，
所述若判断相应维度的采集指标具有预设的补齐特性，则确定未反馈的采集指标所对应的关联指标，根据所述关联指标、第一节点数量或节点的历史采集数据进行计算，得到与相应节点的采集指标所对应的补齐指标，包括：
若判断不存在与未反馈的采集指标所对应的历史采集数据，则根据关联指标、反馈的节点的采集指标进行计算得到差值指标，根据所述差值指标、第一节点数量得到所有未反馈节点的平均的补齐指标；
若判断存在与未反馈的采集指标所对应的历史采集数据，则根据关联指标、反馈的节点的采集指标进行计算得到差值指标，根据历史采集数据得到未反馈节点的历史指标占比；
将所述差值指标与历史指标占比相乘得到相应未反馈节点的补齐指标。
7.根据权利要求6所述的适用于绿电市场的风险评估及防护方法，其特征在于，
所述若判断存在与未反馈的采集指标所对应的历史采集数据，则根据关联指标、反馈的节点的采集指标进行计算得到差值指标，根据历史采集数据得到未反馈节点的历史指标占比，包括：
统计所有的反馈的节点的采集指标之和，将关联指标与采集指标之和相减得到差值指标；
获取与未反馈的采集指标相应维度的历史采集数据，提取所述历史采集数据中未反馈节点的历史指标信息，根据未反馈节点的历史指标信息、所有未反馈节点的历史指标信息之和作比，得到每一个未反馈节点的历史指标占比。
8.根据权利要求6所述的适用于绿电市场的风险评估及防护方法，其特征在于，
所述根据所述风险评估维度调取相对应的第一计算模型，依次提取总数据反馈表内的指标输入至相应第一计算模型得到第一风险评估系数，包括：
根据所述风险评估维度调取相对应的第一计算模型，每个风险评估维度具有相对应的第一计算模型；
依次提取总数据反馈表内的采集指标和/或补齐指标输入至第一计算模型，得到第一风险评估系数；
根据输入至第一计算模型的采集指标的数量、补齐指标的数量进行计算，得到第一计算模型相对应的第一可信度，将所述第一可信度和第一风险评估系数对应存储。
9.根据权利要求8所述的适用于绿电市场的风险评估及防护方法，其特征在于，
所述若判断多个第一风险评估系数存在关联计算关系，则根据第二计算模型对具有关联关系的第一风险评估系数计算得到第二风险评估系数，包括：
若判断多个第一风险评估系数存在关联计算关系，则将相应的第一风险评估系数作为输入至第二计算模型得到第二风险评估系数；
根据每个第一风险评估系数所对应的第一可信度进行综合计算，得到所述第二风险评估系数所对应的第二可信度，将所述第二可信度和第二风险评估系数对应存储。
10.根据权利要求9所述的适用于绿电市场的风险评估及防护方法，其特征在于，
所述确定不满足要求的第一风险评估系数和/或第二风险评估系数，并生成与所确定的第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略，包括：
若第一可信度、第二可信度大于等于预设可信度的第一风险评估系数和/或第二风险评估系数，其位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数满足要求；
若第一可信度、第二可信度大于等于预设可信度的第一风险评估系数和/或第二风险评估系数，其不位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数不满足要求；
调取与第一风险评估系数和/或第二风险评估系数对应的第一保护策略和/或第二保护策略，所述第一风险评估系数的维度具有预设的第一保护策略，所述第二风险评估系数的维度具有预设的第二保护策略。
11.根据权利要求10所述的适用于绿电市场的风险评估及防护方法，其特征在于，还包括：
若第一风险评估系数和/或第二风险评估系数的第一可信度和/或第二可信度小于预设可信度，则生成相对应的可信度存疑标签；
若第一风险评估系数和/或第二风险评估系数位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数满足要求，对相应的第一风险评估系数和/或第二风险评估系数添加可信度存疑标签；
若第一风险评估系数和/或第二风险评估系数不位于相应维度的预设风险评估区间内，则判断第一风险评估系数和/或第二风险评估系数不满足要求，对相应的第一风险评估系数和/或第二风险评估系数添加可信度存疑标签；
根据可信度存疑标签确定第一风险评估系数和/或第二风险评估系数所对应的补齐指标，统计相应的补齐标签得到手动补齐表对管理员显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310463606.8A CN116187768B (zh) | 2023-04-26 | 2023-04-26 | 适用于绿电市场的风险评估及防护方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310463606.8A CN116187768B (zh) | 2023-04-26 | 2023-04-26 | 适用于绿电市场的风险评估及防护方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116187768A true CN116187768A (zh) | 2023-05-30 |
| CN116187768B CN116187768B (zh) | 2023-07-18 |
Family
ID=86446591
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310463606.8A Active CN116187768B (zh) | 2023-04-26 | 2023-04-26 | 适用于绿电市场的风险评估及防护方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116187768B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116451984A (zh) * | 2023-06-20 | 2023-07-18 | 浙江电力交易中心有限公司 | 多场馆绿电溯源数据处理方法及系统 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140136276A1 (en) * | 2012-11-05 | 2014-05-15 | Applied Reliability Solutions Ltd. | Quantitative risk assessment methods and systems for renewable and non-renewable energy projects |
| CN105427045A (zh) * | 2015-11-24 | 2016-03-23 | 国家电网公司 | 一种电力系统及电力市场参与主体风险评估系统 |
| CN106846128A (zh) * | 2017-03-22 | 2017-06-13 | 北京低碳天下科技有限公司 | 一种碳排放交易系统及方法 |
| US20200027096A1 (en) * | 2017-11-07 | 2020-01-23 | Jason Ryan Cooner | System, business and technical methods, and article of manufacture for utilizing internet of things technology in energy management systems designed to automate the process of generating and/or monetizing carbon credits |
| CN110929978A (zh) * | 2019-09-30 | 2020-03-27 | 华南理工大学 | 一种电力市场风险评估方法及评估系统 |
| CN111612323A (zh) * | 2020-05-15 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种基于大数据模型的电力征信评估方法 |
| CN113538154A (zh) * | 2021-07-23 | 2021-10-22 | 同盾科技有限公司 | 风险对象的识别方法、装置、存储介质和电子设备 |
| TWM618854U (zh) * | 2021-03-24 | 2021-11-01 | 南方電力股份有限公司 | 綠電平台供需系統 |
| CN114254916A (zh) * | 2021-12-20 | 2022-03-29 | 国网江苏省电力有限公司物资分公司 | 具有电网业务特色的多维度供应商风险实时预警方法 |
| CN114764672A (zh) * | 2021-01-13 | 2022-07-19 | 新智数字科技有限公司 | 联合学习框架下的融合多因素的电网设备风险评估方法 |
| CN115049315A (zh) * | 2022-07-29 | 2022-09-13 | 广东电网有限责任公司 | 一种用电安全风险评估方法、装置、设备及存储介质 |
| CN115130913A (zh) * | 2022-07-25 | 2022-09-30 | 吉林电力股份有限公司 | 一种新能源项目风险评估及量化方法及系统 |
| CN115545469A (zh) * | 2022-09-30 | 2022-12-30 | 甘肃电力交易中心有限公司 | 基于电力零售市场的信用风险管理评估方法及系统 |
| CN115730818A (zh) * | 2022-11-11 | 2023-03-03 | 国网浙江省电力有限公司电力科学研究院 | 功率平衡风险指标评估方法、装置、设备及介质 |
| CN115796607A (zh) * | 2023-01-30 | 2023-03-14 | 国网山西省电力公司营销服务中心 | 一种基于用电信息分析的采集终端安全画像评估方法 |
| CN115796665A (zh) * | 2022-11-25 | 2023-03-14 | 国网浙江省电力有限公司台州供电公司 | 一种绿色能源发电项目多指标碳效分级评估方法及装置 |
| CN115796574A (zh) * | 2022-11-14 | 2023-03-14 | 北京电力交易中心有限公司 | 一种基于daso数字化运营的电力交易合规风险监测系统 |
| CN115965237A (zh) * | 2022-11-21 | 2023-04-14 | 北京科东电力控制系统有限责任公司 | 一种电力市场风险防控方法、装置及存储介质 |
-
2023
- 2023-04-26 CN CN202310463606.8A patent/CN116187768B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140136276A1 (en) * | 2012-11-05 | 2014-05-15 | Applied Reliability Solutions Ltd. | Quantitative risk assessment methods and systems for renewable and non-renewable energy projects |
| CN105427045A (zh) * | 2015-11-24 | 2016-03-23 | 国家电网公司 | 一种电力系统及电力市场参与主体风险评估系统 |
| CN106846128A (zh) * | 2017-03-22 | 2017-06-13 | 北京低碳天下科技有限公司 | 一种碳排放交易系统及方法 |
| US20200027096A1 (en) * | 2017-11-07 | 2020-01-23 | Jason Ryan Cooner | System, business and technical methods, and article of manufacture for utilizing internet of things technology in energy management systems designed to automate the process of generating and/or monetizing carbon credits |
| CN110929978A (zh) * | 2019-09-30 | 2020-03-27 | 华南理工大学 | 一种电力市场风险评估方法及评估系统 |
| CN111612323A (zh) * | 2020-05-15 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种基于大数据模型的电力征信评估方法 |
| CN114764672A (zh) * | 2021-01-13 | 2022-07-19 | 新智数字科技有限公司 | 联合学习框架下的融合多因素的电网设备风险评估方法 |
| TWM618854U (zh) * | 2021-03-24 | 2021-11-01 | 南方電力股份有限公司 | 綠電平台供需系統 |
| CN113538154A (zh) * | 2021-07-23 | 2021-10-22 | 同盾科技有限公司 | 风险对象的识别方法、装置、存储介质和电子设备 |
| CN114254916A (zh) * | 2021-12-20 | 2022-03-29 | 国网江苏省电力有限公司物资分公司 | 具有电网业务特色的多维度供应商风险实时预警方法 |
| CN115130913A (zh) * | 2022-07-25 | 2022-09-30 | 吉林电力股份有限公司 | 一种新能源项目风险评估及量化方法及系统 |
| CN115049315A (zh) * | 2022-07-29 | 2022-09-13 | 广东电网有限责任公司 | 一种用电安全风险评估方法、装置、设备及存储介质 |
| CN115545469A (zh) * | 2022-09-30 | 2022-12-30 | 甘肃电力交易中心有限公司 | 基于电力零售市场的信用风险管理评估方法及系统 |
| CN115730818A (zh) * | 2022-11-11 | 2023-03-03 | 国网浙江省电力有限公司电力科学研究院 | 功率平衡风险指标评估方法、装置、设备及介质 |
| CN115796574A (zh) * | 2022-11-14 | 2023-03-14 | 北京电力交易中心有限公司 | 一种基于daso数字化运营的电力交易合规风险监测系统 |
| CN115965237A (zh) * | 2022-11-21 | 2023-04-14 | 北京科东电力控制系统有限责任公司 | 一种电力市场风险防控方法、装置及存储介质 |
| CN115796665A (zh) * | 2022-11-25 | 2023-03-14 | 国网浙江省电力有限公司台州供电公司 | 一种绿色能源发电项目多指标碳效分级评估方法及装置 |
| CN115796607A (zh) * | 2023-01-30 | 2023-03-14 | 国网山西省电力公司营销服务中心 | 一种基于用电信息分析的采集终端安全画像评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| YUANYUAN ZHANG ET AL.: "Research on credit rating and risk measurement of electricity retailers based on Bayesian Best Worst Method-Cloud Model and improved Credit Metrics model in China\'s power market", 《ENERGY》, vol. 252, pages 1 - 21 * |
| 高政南等: "多维电力市场风险综合评价研究", 《电力需求侧管理》, vol. 23, no. 6, pages 26 - 30 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116451984A (zh) * | 2023-06-20 | 2023-07-18 | 浙江电力交易中心有限公司 | 多场馆绿电溯源数据处理方法及系统 |
| CN116451984B (zh) * | 2023-06-20 | 2023-09-05 | 浙江电力交易中心有限公司 | 多场馆绿电溯源数据处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116187768B (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103927615B (zh) | 将实体与类别相关联 | |
| CN116187768B (zh) | 适用于绿电市场的风险评估及防护方法 | |
| CN112860769B (zh) | 一种能源规划数据管理系统 | |
| EP3384453A1 (en) | Dashboard interface, platform, and environment for matching subscribers with subscription providers and presenting enhanced subscription provider performance metrics | |
| CN111833018A (zh) | 一种科技项目的专利分析方法及系统 | |
| CN113010791B (zh) | 搜索结果展示处理方法、装置及计算机可读存储介质 | |
| CN117252632A (zh) | 一种基于计算机的商品价格分析系统及方法 | |
| US20040143488A1 (en) | System and method for integration of actual product costs | |
| CN111340455A (zh) | 自动化生成数据分析结果的方法、装置、设备及存储介质 | |
| CN112258067A (zh) | 基于高斯混合模型聚类算法的低压用户缴费行为分类方法 | |
| CN116012086A (zh) | 商品价格的评估方法、装置、电子设备及存储介质 | |
| CN111553574A (zh) | 案件分配方法及其装置、电子设备和计算机可读存储介质 | |
| CN114077977B (zh) | 基于大数据的楼宇智慧管理方法、系统及可读存储介质 | |
| CN115730830A (zh) | 一种企业风险评估方法、装置、终端、系统及存储介质 | |
| CN113450142B (zh) | 一种电力客户用电行为聚类分析方法及装置 | |
| US20040143487A1 (en) | System and method for integration of material costs of a product | |
| CN111125536A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
| CN110688373A (zh) | 一种基于逻辑回归的offset方法 | |
| CN116703248B (zh) | 数据审核方法、装置、电子设备及计算机可读存储介质 | |
| CN115049237A (zh) | 产品资源的评估处理方法及装置、电子设备、存储介质 | |
| CN117807409A (zh) | 数据质量评估方法及装置、存储介质及电子设备 | |
| CN117151888A (zh) | 一种面向基金产品的头寸数据处理方法 | |
| CN118096381A (zh) | 资产分配方法、装置、计算机设备和存储介质 | |
| CN114238775A (zh) | 数据查询方法、装置、计算机可读介质及电子设备 | |
| CN114048719A (zh) | 资产基础法在线作业的方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |