CN116485445A - 基于数据自动采集处理的新能源电力现货交易辅助系统 - Google Patents
基于数据自动采集处理的新能源电力现货交易辅助系统 Download PDFInfo
- Publication number
- CN116485445A CN116485445A CN202310244564.9A CN202310244564A CN116485445A CN 116485445 A CN116485445 A CN 116485445A CN 202310244564 A CN202310244564 A CN 202310244564A CN 116485445 A CN116485445 A CN 116485445A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- prediction
- historical
- transaction
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 25
- 230000005611 electricity Effects 0.000 claims abstract description 107
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 230000002354 daily effect Effects 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000010248 power generation Methods 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims abstract description 9
- 230000003203 everyday effect Effects 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 68
- 239000012634 fragment Substances 0.000 claims description 52
- 238000007726 management method Methods 0.000 claims description 51
- 230000008676 import Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 15
- 238000013523 data management Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 7
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 claims description 6
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000002688 persistence Effects 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 238000007418 data mining Methods 0.000 abstract description 3
- 238000012549 training Methods 0.000 description 15
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000011084 recovery Methods 0.000 description 6
- 239000003245 coal Substances 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010034701 Peroneal nerve palsy Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002074 deregulated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004576 sand Substances 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/08—Auctions
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
Abstract
本发明涉及电力现货交易技术领域，公开了基于数据自动采集处理的新能源电力现货交易辅助系统，包括：用户管理模块，其用于存储用户信息并用于验证用户信息；气象信息模块，其用于获取场站气象信息；偏差分析模块，其用于对管辖范围内新能源场站日发电负荷及场站供电范围内的用电负荷对比分析；风功率预报综合评价模块，其用于每日定时获取各个场站的风功率预报数据；辅助报价模块，其用于进行电价预测；本发明对历史数据进行片段化，基于数据挖掘来发现近似趋势的历史数据来参与模型预测结果的校正，提高了预测的准确度，尤其是能够应对波动较大的历史数据来预测电价的情况。
Description
技术领域
本发明涉及电力现货交易技术领域，更具体地说，它涉及基于数据自动采集处理的新能源电力现货交易辅助系统。
背景技术
随着市场化被引入电力工业,在放松管制的电力市场,电力价格预测变成了所有市场参与者最有价值的利用工具。短期电价预测在现货市场上可以帮助电力供应商建立他们的投标策略，实现利润最大化，因此拥有一个有效和健全的价格预测方法对电力市场交易的企业就显得尤为重要。第一类发电方的电力公司和第二类的购电方公司，对于市场电价和市场需求电量的预测精度要求高，对于各个小时的预测结果都很重视，精确的电价和电量预测是卖电方和购电方电力公司做出合理的竞标曲线的参考。
由于复杂的投标策略以及多种因素的影响,电力价格呈现出特殊的特征,如高频率，非平稳行为，多季节性，日历效应，高波动性，高百分比的异常价格，硬非线性行为以及给市场参与者有限的信息，让准确的电力价格预测变成了一项具有挑战性的任务。
发明内容
本发明提供基于数据自动采集处理的新能源电力现货交易辅助系统，解决相关技术中如何精确预测电价的技术问题。
根据本发明的一个方面，提供了基于数据自动采集处理的新能源电力现货交易辅助系统，包括：
用户管理模块，其用于存储用户信息并用于验证用户信息；
信息查看模块，其用于展示信息；
气象信息模块，其用于获取场站气象信息；
偏差分析模块，其用于对管辖范围内新能源场站日发电负荷及场站供电范围内的用电负荷对比分析，进行二者之差的净负荷分析，日内电价与日前电价的对比分析；
风功率预报综合评价模块，其用于每日定时获取各个场站的风功率预报数据；
出清情况统计模块，其用于采集市场出清信息、场站生产运行信息；
辅助报价模块，其用于进行电价预测。
进一步地，气象信息模块包括：
天气预报模块，用于提取气象信息接口的天气预报信息，针对风场站建立场站区域以及周边区域对信息进行分类；
天气后报模块，其用于获取场站的历史天气信息，采用定时任务采集维护历史天气数据；
气象图谱模块，其用于获取场站经纬度坐标下的全部气象信息，以地图为展现形式在地图上标记场站，提供风速的热力图和风向的流矢图。
进一步地，风功率预报综合评价模块包括：
预报查询模块，提供功率对比分析图和风速对比分析图；
预报评价模块，针对风功率预报的预测结果统计预报数据的准确率情况，提供风功率评价功能。
进一步地，辅助报价模块，包括历史数据提取模块1071、模拟预估模块1072、数据片段生成模块1073、日前数据处理模块1074、历史数据匹配模块1075、预测执行模块1076和预测校正模块1077；
历史数据提取模块，其用于提取历史数据，一条历史数据包括一日内的电价数据；
模拟预估模块，其基于初始预测模型对历史数据进行预测获得对应的历史预测数据；
历史预测数据是以对应的历史数据的日期为对象通过初始预测模型进行预测获得的；
误差数据生成模块，其基于历史数据和对应的历史预测数据生成误差数据；
历史数据和历史预测数据均包括与一日的时间节点对应的多个电价数据，误差数据包含与一日的时间节点对应的多个误差值，一个误差值是基于对应的时间节点的历史数据和历史预测数据计算的；
数据片段生成模块，其基于历史数据和误差数据生成数据片段，一个数据片段包括一个时间节点对应的历史数据的电价数据和误差数据对应的误差值；并为一个历史数据对应的数据片段生成片段集合；
日前数据处理模块，提取预测日的日前的同一区域的历史数据对应的片段集合作为第一片段集；
提取预测日之前的历史数据对应的片段集合作为第二片段集；
历史数据匹配模块，其用于计算第一片段集和第二片段集的匹配参数，按照匹配参数由大至小的顺序排序，提取前N个第二片段集作为参考片段集，N≥1；
提取参考片段集对应的历史数据的后一日的历史数据作为参考历史数据；
预测执行模块，其基于第一片段集对应的历史数据输入最终预测模型进行预测获得第一预测结果；
预测校正模块，其基于第一预测结果和参考历史数据生成最终预测结果。
进一步地，初始预测模型为线性回归模型或人工神经网络模型。
进一步地，第i个时间节点的误差值的计算公式如下：
其中，Wi表示第i个时间节点的误差值，Li表示第i个时间节点的历史数据的电价数据，Yi表示第i个时间节点的历史预测数据的电价数据，n表示一日时间节点的总数量，k表示调节参数。
进一步地，匹配参数的计算方法包括：
给定赋权二分图G＝(X，Y):X＝{x1，x2，...xn}，Y＝{y1，y2，...ym}，其中集合X的顶点分别表示第一片段集的数据片段，集合Y的顶点分别表示第二片段集的数据片段，通过Kuhn-Munkres算法求解赋权二分图G的最大权完美匹配；
基于最大权完美匹配获得匹配后的权重和作为匹配度；
求解赋权二分图G的最大权完美匹配时的初始的顶标的值确定如下：
集合Y的顶点的顶标赋值为0，集合X的顶点的顶标赋值为该顶点映射的数据片段与集合Y的顶点映射的数据片段的相似度的最大值；
相似度的计算公式如下：
其中W1i和W2i分别为第一片段集和第二片段集的第i个数据片段的误差值，L1i和L1i分别为第一片段集和第二片段集的第i个数据片段的电价数据。
进一步地，生成最终预测结果的方法是：
其中，Di为最终预测结果的第i个时间节点的电价值，Sqi为第q个参考历史数据的第i个时间节点的电价值，m为参考历史数据的数量，Fi为第一预测结果的第i个时间节点的电价值。
进一步地，辅助报价模块基于LightGBM机器学习算法训练获得模型，并通过模型进行预测日的电价预测。
进一步地，还包括：
操盘策略模块，提供现货和中长期交易策略文本的生成、增删查改；
复盘分析模块，汇总各个场站的交易出清数据，包括日前交易出清情况数据、实时交易出清情况数据、交易申报情况数据；
数据导入模块，支持人工导入和自动化导入数据的功能设计，提供数据文件的批量上传导入功能，提供指定ftp服务器上数据文件的数据同步、解析与数据持久化。
系统提供上传压缩包情况管理和压缩包中文件情况管理，提供导入数据起止日期的导入约束条件，以保证压缩包中包含大量文件时可以导入指定日期的上传数据，系统以表格形式进行压缩包文件状态管理，并以表格形式进行文件状态管理；
数据管理模块包括披露数据管理模块和场站通讯录管理模块；
披露数据管理模块，提供交易中心公开披露数据的管理；
场站通讯录管理模块，提供通讯录管理功能。通讯录管理功能提供新增、修改、删除、查询功能，用来维护人员以及联系方式；
智能报告管理模块提供复盘分析的一个附属功能，数据范围包括华能新能源山东分公司所有场站，系统定制报表模板，系统按照模板要求提取复盘分析各项数据，系统后台收集前端展现的图插件生成的图片并收集全部的计算结果对报表模板中的数据项进行替换，在后台生成指定报表，并将报表文件下载到客户本地。
中长期交易模块，包括分时段交易模块和中长期合同管理模块；
分时段交易模块，通过监控买方和卖方的交易价，选择交易类型，在界面上展示分时段交易k线图，指标包括开盘、收盘、最低、最高价，支持以放大、缩小日期形式展示走势折线图；
中长期合同管理模块，支持人工录入中长期合同以及多条数据序列的标记；按照省内、跨省跨区、分时段等分类对中长期合同进行管理，提供中长期合同数据的上传功能，在中长期合同数据上传时选择省内和跨省跨区标记，并填报合同电价信息；
对合同数据以图形化形式对合同数据进行分时段展现，并提供按日期和分类查询功能以便快速定位中长期合同。
远程查看模块，提供用户端与服务器端远程查看，设置固定ip登录，非法ip拦截；
智能预警模块，根据目前采集到的气象数据、生产运行信息数据、行情信息的实时监测数据情况进行预警；
价格预测准确率统计模块，提供价格预测的准确率统计及准确率分析，采用MAPE准确率计算方式，其中，数据点总数为n，第i个数据点的预测出清电价为第i个数据点的真实出清电价为y真实i；
MAPE准确率＝(1-MAPE)×100％。
本发明的有益效果在于：
虽然电价收到供电和需电等多方面的影响，但是电价的波动整体上来看还是可以一日为一个窗口周期进行观测，本发明对历史数据进行片段化，基于数据挖掘来发现近似趋势的历史数据来参与模型预测结果的校正，提高了预测的准确度，尤其是能够应对波动较大的历史数据来预测电价的情况。
附图说明
图1是本发明的基于数据自动采集处理的新能源电力现货交易辅助系统的模块示意图；
图2是本发明的气象信息模块的模块示意图；
图3是本发明的风功率预报综合评价模块的模块示意图；
图4是本发明的辅助报价模块的模块示意图；
图5是本发明的辅助报价模块的模型训练方法的流程图；
图6是本发明的辅助报价模块的模型预测方法的流程图。
图中：用户管理模块101，信息查看模块102，气象信息模块103，天气预报模块1031，天气后报模块1032，气象图谱模块1033，偏差分析模块104，风功率预报综合评价模块105，预报查询模块1051，预报评价模块1052，出清情况统计模块106，辅助报价模块107，历史数据提取模块1071，模拟预估模块1072，数据片段生成模块1073，日前数据处理模块1074，历史数据匹配模块1075，预测执行模块1076，预测校正模块1077，操盘策略模块108，复盘分析模块109，曲线上报模块110，数据导入模块111，数据管理模块112，智能报告管理模块113，中长期交易模块114，远程查看模块115，价格预测准确率统计模块116，智能预警模块117。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
实施例一
如图1-图6所示，基于数据自动采集处理的新能源电力现货交易辅助系统，包括：
用户管理模块101，其用于存储用户信息并用于验证用户信息；
通过验证用户信息可以避免非系统用户的登入；
提供用户管理功能用来进行用户管理，包括新增、编辑与删除用户功能。据电力市场交易分工制定各类用户的权限，兼顾易用性和安全性。
信息查看模块102，其用于展示信息；主要通过人机交互界面进行信息展示，人机交互界面主页是各主要功能模块的信息摘要如当日申报情况、负荷预测信息、电价预测信息、电价实时走势、动力煤价格、供求关系、预报准确率、快捷通讯等，便于交易人员速览各类信息和状态、接收重要的提示信息，快速进入工作状态；
动态气象图谱作为底图，以热力图展现风速，以流矢图展现风向，以风机动态图形展示风场位置，直观展示区域气象信息，具有良好的大屏展示效果；
对负荷预测、供需关系、电价预测等交易日最重要的信息进行集中展示，便于交易人员快速查阅交易决策所需的信息；
在最醒目位置展示交易场站的风速、功率和交易日申报情况等智能预警信息，场站数据全景预览，便于监控生产运行情况、交易申报情况；
对动力煤价格、入市容量等舆情信息、电价走势、发用电负荷走势、风功率准确率情况等，以丰富的图表进行展示，便于交易人员跟踪最新动态、把握市场变化趋势；
在首页搭建集中通讯模块，便于交易人员与场站取得联系，实用性强。
气象信息模块103，其用于获取场站气象信息；
气象信息模块103包括：
天气预报模块1031，用于提取气象信息接口的天气预报信息(从气象部门提供的接口获取)，针对风场站建立场站区域以及周边区域管理树。划分两种展现形式以确保信息可以快速查找，其一是七日天气预报的日历式展示，可以获取每日的多项天气信息，其二是单项数据的统计展示如风速、风向、气温、湿度、降水、能见度、降水等关键指标未来48小时预测数据，系统按照每项指标以图形式进行展现；
天气后报模块1032，其用于获取场站的历史天气信息，采用定时任务采集维护历史天气数据。前端提供场站列表，点击列表切换查看历史天气信息，为保证最多量的天气信息采用表格形式进行天气信息展示；
气象图谱模块1033，其用于获取场站经纬度坐标下的全部气象信息，以地图为展现形式在地图上标记场站，提供风速的热力图和风向的流矢图。提供时间坐标轴可以通过气象仿真推演功能推演关注区域的风速风向变化。按照客户的体验需求提供地图的放大缩小和地理图层切换功能。提供一个热力图参考系，根据参考系可以判断关注区域的风速大小。
偏差分析模块104，其用于建设管辖范围内新能源场站日发电负荷及场站供电范围内的用电负荷对比分析、二者之差的净负荷分析，日内电价与日前电价的对比分析，辅助预测数据的校核。分析一般是计算差值进行展示。
风功率预报综合评价模块105，其用于提供每日定时获取各个场站的风功率预报数据，定时完成风功率预报数据的下载。每日定时完成数据文件的解析和存储，支持解析全量的风功率预报数据。
对多路风功率预报提供良好0的支持。针对风功率预报提供便捷的查询，提供强大的统计分析功能，对功率曲线调优起到较强的指导作用。
风功率预报综合评价模块105包括：
预报查询模块1051，前端提供统计分析功能包括功率对比分析图和风速对比分析图。提供多个厂家的功率预报数据对比分析和多个厂家的风速预报对比分析。按照日期提供查询功能，并提供上一日和下一日的翻页功能；
预报评价模块1052，针对风功率预报的预测结果统计预报数据的准确率情况，提供风功率评价功能。该功能包含准确率分析功能、偏差分析功能和散点分析功能；
准确率分析分别统计各个预报源的功率预报数据准确率以及功率曲线调优后的准确率，并以对比图和表格的形式展现准确率；
偏差分析统计各个功率段的均值偏差情况，便于分析风功率预报在不同情况下的偏差规律，并以表格和对比图的形式进行展现；
散点分析以散点图的形式展现各个预报源的预报数据和实际数据对比关系，直观显示风功率预报数据聚集情况和收敛性；
出清情况统计模块106，其用于采集市场出清信息、生产运行信息等并展示；
辅助报价模块107，其用于提供电价预测；
在本发明的一个实施例中，辅助报价模块107，包括历史数据提取模块1071、模拟预估模块1072、数据片段生成模块1073、日前数据处理模块1074、历史数据匹配模块1075、预测执行模块1076和预测校正模块1077；
历史数据提取模块1071，其用于提取历史数据，一条历史数据包括一日内的电价数据；
模拟预估模块1072，其基于初始预测模型对历史数据进行预测获得对应的历史预测数据；
历史预测数据是以对应的历史数据的日期为对象通过初始预测模型进行预测获得的；
例如对于某XX日期的历史数据，提取与该历史数据相关的历史数据输入初始预测模型获得历史预测数据；
提取历史数据基于初始预测模型的类型和算法具体存在不同；
在本发明的一个实施例中初始预测模型为线性回归模型，具体可以是一元线性回归模型或多元线性回归模型。
在本发明的一个实施例中初始预测模型为人工神经网络模型，假设已得到电价序列x(1)，x(2)，，，，x(n)，现在需要用其中m个观测值，预测n+1时刻的值x(n+1)。
利用多层感知器进行学习和预测的具体步骤为：
1)首先把x(1)，x(2)，，，x(n)分成k组，每组有m+1个值，前m个值作为网络输入节点的输入，后一个作为输出节点的期望值。
2)利用多层感知器学习算法，对网络的连接强度进行训练。
3)利用收敛后的连接权重，并将x(n-m+1),x(n-m+2)，，，x(n)作为网络输入，网络输出值即为预测值x(n+1)。
误差数据生成模块，其基于历史数据和对应的历史预测数据生成误差数据；
历史数据和历史预测数据均包括与一日的时间节点对应的多个电价数据，误差数据包含与一日的时间节点对应的多个误差值，一个误差值是基于对应的时间节点的历史数据和历史预测数据计算的；
在本发明的一个实施例中，第i个时间节点的误差值的计算公式如下：
其中，Wi表示第i个时间节点的误差值，Li表示第i个时间节点的历史数据的电价数据，Yi表示第i个时间节点的历史预测数据的电价数据，n表示一日时间节点的总数量，k表示调节参数；
调节参数根据所使用的初始预测模型的准确度进行调整。
数据片段生成模块1073，其基于历史数据和误差数据生成数据片段，一个数据片段包括一个时间节点对应的历史数据的电价数据和误差数据对应的误差值；并为一个历史数据对应的数据片段生成片段集合；
日前数据处理模块1074，提取预测日的日前的同一区域的历史数据对应的片段集合作为第一片段集；
提取预测日之前的历史数据对应的片段集合作为第二片段集；
在上述实施例中，同一区域即指代历史数据的原始数据来源相同，是根据同一区域的同样的数据源进行统计获得的电价数据；
历史数据匹配模块1075，其用于计算第一片段集和第二片段集的匹配参数，按照匹配参数由大至小的顺序排序，提取前N个第二片段集作为参考片段集，N≥1；
提取参考片段集对应的历史数据的后一日的历史数据作为参考历史数据；
匹配参数的计算方法包括：
给定赋权二分图G＝(X，Y):X＝{x1，x2，...xn}，Y＝{y1，y2，...ym}，其中集合X的顶点分别表示第一片段集的数据片段，集合Y的顶点分别表示第二片段集的数据片段，通过Kuhn-Munkres算法求解赋权二分图G的最大权完美匹配；
基于最大权完美匹配获得匹配后的权重和作为匹配度；
求解赋权二分图G的最大权完美匹配时的初始的顶标的值确定如下：
集合Y的顶点的顶标赋值为0，集合X的顶点的顶标赋值为该顶点映射的数据片段与集合Y的顶点映射的数据片段的相似度的最大值；
相似度的计算公式如下：
其中W1i和W2i分别为第一片段集和第二片段集的第i个数据片段的误差值，L1i和L1i分别为第一片段集和第二片段集的第i个数据片段的电价数据；
预测执行模块1076，其基于第一片段集对应的历史数据输入最终预测模型进行预测获得第一预测结果；
预测校正模块1077，其基于第一预测结果和参考历史数据生成最终预测结果；
生成最终预测结果的方法是：
其中，Di为最终预测结果的第i个时间节点的电价值，Sqi为第q个参考历史数据的第i个时间节点的电价值，m为参考历史数据的数量，Fi为第一预测结果的第i个时间节点的电价值。
在本发明的一个实施例中，最终预测模型可以与初始预测模型相同。
在本发明的一个实施例中，辅助报价模块107采用的核心算法为LightGBM机器学习算法，在实际应用中该算法由于其参数众多，手动调参工作量较大，所以在本算法模型中通过借助OptGBM(＝Optuna+LightGBM)提供了一种scikit-learn兼容的估算器来自动调整LightGBM中的超参数，提高算法效率。
日前出清电价预测问题描述：假定待预测日为T，需要在T-1日进行电价预测。
方法：将一个时段内(一般不超过1个月)完整的历史数据(包含所有的输入数据和输出特征量)作为训练样本供算法进行训练；利用训练好的模型，输入预测日T的相关输入数据，预测该日96点节点电价曲线。
这里需要说明的是，如果在上述输入数据中增加日前出清电价预测的结果作为一个输入量，即可以得到实时节点出清电价预测值；
如图5所示，辅助报价模块107的模型训练方法包括：
步骤101，从数据库中读取训练样本；
步骤102，样本数据预处理；
步骤103，模型训练，保存模型到本地；
步骤104，将模型训练结果信息写入数据库；
如图6所示，辅助报价模块107的模型预测方法包括：
步骤201，提取模型训练结果信息；
步骤202，提取待预测日输入特征值；
步骤203，预测数据预处理；
步骤204，加载模型并预测；
步骤205，将预测结果写入数据库。
方案训练模块提供多种预测模型管理，提供不同预测模型的新建，通过此功能完成绑定算法模型和训练数据。该功能同时提供模型训练的触发，已完成预测模型的最终生成。
系统以表格的形式进行方案列表的展示，并针对每个方案提供编辑和删除功能。
方案训练模块包括日前电价预测模块、实时电价预测模块、中长期电价预测模块；
日前电价预测模块，提供通过调用已经完成训练的日前电价预测模型和目标预测日期，完成目标日期的日前电价的预测。该功能提供日前电价预测的触发功能和预测结果查询功能。预测结果查询功能提供日前电价、出清电价、日前电价上限和日前电价下限。
对于电价预测结果系统提供图像化展现和表格展现以方便查看电价预测结果。
实时电价预测模块，提供通过调用已经完成训练的实时电价预测模型、日前电价预测模型和目标预测日期，完成目标日期的实时电价的预测。由于实时电价对日前电价的依赖关系，故此在完成实时电价预测时需要对两个预测模型选择已完成实时电价的预测。该功能提供实时电价预测的触发功能和预测结果查询功能。预测结果查询功能提供实时电价、出清电价、实时电价上限和实时电价下限。
对于电价预测结果系统提供图像化展现和表格展现以方便查看电价预测结果。
中长期电价预测模块，提供通过调用已经完成训练的中长期电价预测模型和目标预测日期，完成目标日期的中长期电价的预测。该功能提供中长期电价预测的触发功能和预测结果查询功能。预测结果查询功能提供中长期电价、出清电价、中长期电价上限和中长期电价下限。
对于电价预测结果系统提供图像化展现和表格展现以方便查看电价预测结果。
操盘策略模块108，提供现货和中长期交易策略管理，支持交易策略文本的自动生成、增删查改、并与场站端数据采集、复盘报告等功能模块进行关联。在场站端数据采集展示图片时展现策略信息。
操盘策略模块108包括现货策略模块、省内中长期策略模块、跨省区域中长期策略模块；
现货策略模块，提供操盘策略的新增、修改、删除功能。以表格的形式展示操盘策略信息。系统提供起始日期和终止日期的查询功能；
省内中长期策略模块，提供中长期省内操盘策略的新增、修改、删除功能。以表格的形式展示中长期操盘策略信息。系统提供起始日期和终止日期的查询功能；
跨省区域中长期策略模块，提供中长期跨省操盘策略的新增、修改、删除功能。以表格的形式展示中长期操盘策略信息。系统提供起始日期和终止日期的查询功能。
复盘分析模块109，根据复盘工作的业务要求，系统提供功能模块具备汇总各个场站的交易出清数据包括日前交易出清情况数据、实时交易出清情况数据、交易申报情况数据。由于数据分类较多依赖数据导入功能集中处理复盘分析数据。系统依赖导入的多种出清数据进行申报与出清分析、结算分析、现状结算分析。
复盘分析模块109包括申报出清模块、申报出清模块、结算分析模块、现状结算分析模块；
申报出清模块，提供交易申报情况分析、出力分解分析和出清电价分析，并以图形化展示形式进行展示。
结算分析模块，用于结算指标统计、模拟申报测算和历史交易自动寻优；
结算指标统计；
结算分析提供按日和分时段的收益情况计算，其中日收益情况包含以下指标：总电费、结算电费、总电价、结算电价、偏差回收、中长期超额回收等收益指标。分时段收益情况包含各个时间段的实时电费、偏差回收金额、中长期超额回收金额并以表格形式进行展现。
模拟申报测算；
为满足复盘的要求体现多种功率上报下不同的收益计算，提供调整数据的功能，并根据调整后的上报功率计算各个调整时段的收益情况和日调整收益情况。
历史交易自动寻优；
为了帮助交易人员找出历史最优策略，为曲线调优提供借鉴，该模块具备历史交易的自动寻优功能，根据交易规则自动计算出最优的功率申报曲线，并计算相应的日收益指标和分时段收益指标。
现状结算分析模块，提供按照一段时间进行结算情况的指标统计，分别统计一段时间内每日的中长期电费、日前电费、实时电费、偏差回收、中长期超额回收、日前出清电量、基数分解电量、结算电费、总电费、结算电价、总电价等指标，并以图形化的形式进行展现。
曲线上报模块110提供新能源现货交易申报的落脚点，实现功率曲线的下载、调优和上报。
系统采用定时任务来定时下载不同场站的风功率预报数据，按照不同场站不同厂家的数据类型完成下载数据的解析和数据库持久化。
提供交易场站的管理列表，并根据提供不同的颜色标注场站数据的处理状态如：绿色表示场站数据已上传，黄色表示场站数据已提交，红色表示场站数据未下载。
提供按日期的查询功能以获取曲线调优原始数据与调整数据，并提供上一天和下一天的翻页功能。
为了实现功率曲线的便捷调整，提供了多种曲线调整方式：①直接以鼠标拖动功率曲线上的点实现曲线调整；②对选定时间段提供按倍率批量修改和按定值批量修改功能；③对接操盘策略模块108生成的调整策略，自动形成功率调优曲线。
为实现安全性可靠性要求，提供调整数据的暂存功能和提交功能，按照登录账号角色的不同限制提交功能，以降低误操作风险，确保系统安全。
数据导入模块111，为满足系统对数据的自动化和非自动化要求，数据导入功能支持人工导入和自动化导入相关数据的功能设计。针对人工导入需求，该模块提供数据文件的批量上传导入功能。由于是批量数据的上传系统以压缩包形式进行数据上传。系统解压上传文件，并按照压缩包中不同文件名称完成不同文件不同日期的数据解析和数据持久化。针对自动化导入需求，系统提供指定ftp服务器上数据文件的数据同步、解析与数据持久化。
系统提供上传压缩包情况管理和压缩包中文件情况管理。提供导入数据起止日期的导入约束条件，以保证压缩包中包含大量文件时可以导入指定日期的上传数据。
系统以表格形式进行压缩包文件状态管理，并以表格形式进行文件状态管理。由于文件数量过大提供文件类别筛选功能以快速查找上传文件。
数据导入模块111包括披露数据导入模块111和风速预测导入模块；
披露数据导入模块111，支持交易中心公开披露数据导入，实现信息共享，数据指标包括但不限于机组实际发电曲线、日前机组开机功能、中长期基数电量分解曲线、出清电价、调频辅助服务需求、断面约束、非市场化机组出力、检修总容量、日前联络线计划、日前市场出清概况、日前正负备用需求、省内负荷及联络线情况、实时市场96点数据、实时市场出清概况、输变电设备检修计划、输电通道可用容量、水电发电计划、统调用电负荷、新能源负荷预测。
支持人工导入和自动化导入相关数据文件，自动完成数据解析。展示文件上传状态、上传时间和文件解析状态。提供定时同步披露数据FTP服务器上的更新数据。
风速预测导入模块，支持参与现货电力市场的交易结果、合约电量、申报信息等数据的导入。支持人工导入和自动化导入相关数据文件，自动完成数据解析，展示文件上传时间。
数据管理模块112包括披露数据管理模块112和场站通讯录管理模块；
披露数据管理模块112，提供交易中心公开披露数据的管理，提供包括但不限于以下参数管理：
①检修计划：如检修总容量、输变电设备检修计划。
②联络计划：如日前联络线计划。
③约束条件：如断面约束、调频辅助服务需求、日前必开机组、日前统调负荷预测、日前新能源负荷预测、日前正负备用需求、输电通道可用容量。
④出清数据：如披露信息96点数据、日前电能量市场出清概况、日前机组中标出力及价格、实时电能量市场出清概况、实时机组中标出力及价格、实时市场96点数据、实时市场机组出力及电价、现货出清电价、中长期正式分解曲线。
⑤其他电力计划：如水电发电计划预测，以折线曲线图进行展示。
场站通讯录管理模块，提供通讯录管理功能。通讯录管理功能提供新增、修改、删除、查询功能，用来维护人员以及联系方式；
智能报告管理模块113提供复盘分析的一个附属功能，数据范围包括华能新能源山东分公司所有场站，系统定制报表模板，系统按照模板要求提取复盘分析各项数据，系统后台收集前端展现的图插件生成的图片并收集全部的计算结果对报表模板中的数据项进行替换，在后台生成指定报表，并将报表文件下载到客户本地。
中长期交易模块114，包括分时段交易模块和中长期合同管理模块；
分时段交易模块，通过监控买方和卖方的交易价，选择交易类型，在界面上展示分时段交易k线图，指标包括开盘、收盘、最低、最高价。支持以放大、缩小日期形式展示走势折线图。
中长期合同管理模块，由于中长期正式分解数据可能包含多个中长期合同分解数据和基数分解数据，为了保证结算分析的准确有效，支持人工录入中长期合同以及多条数据序列的标记，从而达到中长期合同管理的目的。
合同管理模块按照省内、跨省跨区、分时段等分类对中长期合同进行管理。该模块提供中长期合同数据的上传功能，将上传的合同数据进行解析并完成持久化。在中长期合同数据上传时选择省内和跨省跨区标记，并填报合同电价等信息。
对合同数据以图形化形式对合同数据进行分时段展现。并提供按日期和分类查询功能以便快速定位中长期合同。
远程查看模块115，提供用户端与服务器端远程查看，设置固定ip登录，非法ip拦截。
价格预测准确率统计模块116，提供价格预测的准确率统计及准确率分析，采用MAPE准确率计算方式，其中，数据点(即分时电价的时段个数)总数为n，第i个数据点的预测出清电价为第i个数据点的真实出清电价为y真实i。准确率按自然月统计。
MAPE准确率＝(1-MAPE)×100％
智能预警模块117，根据目前采集到的气象数据、生产运行信息数据、行情信息的实时监测数据情况以及各功能模块的具体业务要求智能预警包含：
1、市场出清异常预警；
2、极端天气预警；
3、覆冰风险预警；
4、生产运行状况异常预警；
5、动力煤价格大幅波动预警；
6、场站通讯链路异常预警；
市场出清异常预警结合出清电价与市场供需情况数据进行业务分析，在出清电价未满足市场供需数据客观约束进行判断，当满足预警条件时进行预警。
极端天气预警结合天气预报数据和场站地理坐标数据进行如大风、沙尘暴、冰雹等极端天气预警。
覆冰风险预警结合天气预报数据、场站地理坐标信息和风机具体参数进行风机覆冰风险等级预警。
生产运行状况异常预警结合风速与功率数据分析通过对历史数据对比如风速与功率不符则进行生产运行状况异常预警。
动力煤价格大幅波动预警结合采集到的动力煤价格波动实时数据，通过阈值的设定完成动力煤价格波动的预警。
场站通讯链路异常预警，系统有多种与场站端的数据交互如：风功率预报数据和出清数据等，当数据下载异常时进行预警信息报出。
将预警信息展示到一个一目了然的位置，系统将预警信息展现到首页的中间部分(页面原型中标注位置)，滚动展现预警信息。
本系统通过对人工智能技术探索电价预测方法，研究高效率、高准确性电价预测算法，采用真实的数据验证并调整算法使之适应当地电价现状。针对算法制定开发方案，实现后端高效准确计算，前端清晰美观展现。设计一套算法程序与应用工程的整合方式，以保证预测过程高可用性和架构安全性。
基于目前国内新能源现货交易的背景及现状，以数字化、信息化、标准化、人工智能为基础，以管控一体化、大数据、云平台、物联网为平台，以追求不断提升发电企业现货辅助报价及分析智能化水平为目标，致力于为新能源现货交易工作提供支撑与决策，本系统通过先进的数据挖掘技术并结合风电的实际业务应用场景，研发电力现货市场辅助决策系统，提高操盘准确率，降低误报价几率，保障发电企业收益最大化。
上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。
Claims (10)
1.基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，包括：
用户管理模块，其用于存储用户信息并用于验证用户信息；
信息查看模块，其用于展示信息；
气象信息模块，其用于获取场站气象信息；
偏差分析模块，其用于对管辖范围内新能源场站日发电负荷及场站供电范围内的用电负荷对比分析，进行二者之差的净负荷分析，日内电价与日前电价的对比分析；
风功率预报综合评价模块，其用于每日定时获取各个场站的风功率预报数据；
出清情况统计模块，其用于采集市场出清信息、场站生产运行信息；
辅助报价模块，其用于进行电价预测。
2.根据权利要求1所述的基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，气象信息模块包括：
天气预报模块，用于提取气象信息接口的天气预报信息，针对风场站建立场站区域以及周边区域对信息进行分类；
天气后报模块，其用于获取场站的历史天气信息，采用定时任务采集维护历史天气数据；
气象图谱模块，其用于获取场站经纬度坐标下的全部气象信息，以地图为展现形式在地图上标记场站，提供风速的热力图和风向的流矢图。
3.根据权利要求1所述的基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，风功率预报综合评价模块包括：
预报查询模块，提供功率对比分析图和风速对比分析图；
预报评价模块，针对风功率预报的预测结果统计预报数据的准确率情况，提供风功率评价功能。
4.根据权利要求1所述的基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，辅助报价模块，包括历史数据提取模块1071、模拟预估模块1072、数据片段生成模块1073、日前数据处理模块1074、历史数据匹配模块1075、预测执行模块1076和预测校正模块1077；
历史数据提取模块，其用于提取历史数据，一条历史数据包括一日内的电价数据；
模拟预估模块，其基于初始预测模型对历史数据进行预测获得对应的历史预测数据；
历史预测数据是以对应的历史数据的日期为对象通过初始预测模型进行预测获得的；
误差数据生成模块，其基于历史数据和对应的历史预测数据生成误差数据；
历史数据和历史预测数据均包括与一日的时间节点对应的多个电价数据，误差数据包含与一日的时间节点对应的多个误差值，一个误差值是基于对应的时间节点的历史数据和历史预测数据计算的；
数据片段生成模块，其基于历史数据和误差数据生成数据片段，一个数据片段包括一个时间节点对应的历史数据的电价数据和误差数据对应的误差值；并为一个历史数据对应的数据片段生成片段集合；
日前数据处理模块，提取预测日的日前的同一区域的历史数据对应的片段集合作为第一片段集；
提取预测日之前的历史数据对应的片段集合作为第二片段集；
历史数据匹配模块，其用于计算第一片段集和第二片段集的匹配参数，按照匹配参数由大至小的顺序排序，提取前N个第二片段集作为参考片段集，N≥1；
提取参考片段集对应的历史数据的后一日的历史数据作为参考历史数据；
预测执行模块，其基于第一片段集对应的历史数据输入最终预测模型进行预测获得第一预测结果；
预测校正模块，其基于第一预测结果和参考历史数据生成最终预测结果。
5.根据权利要求4所述的基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，初始预测模型为线性回归模型或人工神经网络模型。
6.根据权利要求4所述的基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，第i个时间节点的误差值的计算公式如下：
其中，Wi表示第i个时间节点的误差值，Li表示第i个时间节点的历史数据的电价数据，Yi表示第i个时间节点的历史预测数据的电价数据，n表示一日时间节点的总数量，k表示调节参数。
7.根据权利要求4所述的基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，匹配参数的计算方法包括：
给定赋权二分图G＝(X，Y):X＝{x1，x2，...xn}，Y＝{y1，y2，...ym}，其中集合X的顶点分别表示第一片段集的数据片段，集合Y的顶点分别表示第二片段集的数据片段，通过Kuhn-Munkres算法求解赋权二分图G的最大权完美匹配；
基于最大权完美匹配获得匹配后的权重和作为匹配度；
求解赋权二分图G的最大权完美匹配时的初始的顶标的值确定如下：
集合Y的顶点的顶标赋值为0，集合X的顶点的顶标赋值为该顶点映射的数据片段与集合Y的顶点映射的数据片段的相似度的最大值；
相似度的计算公式如下：
其中W1i和W2i分别为第一片段集和第二片段集的第i个数据片段的误差值，L1i和L1i分别为第一片段集和第二片段集的第i个数据片段的电价数据。
8.根据权利要求4所述的基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，生成最终预测结果的方法是：
其中，Di为最终预测结果的第i个时间节点的电价值，Sqi为第q个参考历史数据的第i个时间节点的电价值，m为参考历史数据的数量，Fi为第一预测结果的第i个时间节点的电价值。
9.根据权利要求1所述的基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，辅助报价模块基于LightGBM机器学习算法训练获得模型，并通过模型进行预测日的电价预测。
10.根据权利要求1所述的基于数据自动采集处理的新能源电力现货交易辅助系统，其特征在于，还包括：
操盘策略模块，提供现货和中长期交易策略文本的生成、增删查改；
复盘分析模块，汇总各个场站的交易出清数据，包括日前交易出清情况数据、实时交易出清情况数据、交易申报情况数据；
数据导入模块，支持人工导入和自动化导入数据的功能设计，提供数据文件的批量上传导入功能，提供指定ftp服务器上数据文件的数据同步、解析与数据持久化；
系统提供上传压缩包情况管理和压缩包中文件情况管理，提供导入数据起止日期的导入约束条件，以保证压缩包中包含大量文件时可以导入指定日期的上传数据，系统以表格形式进行压缩包文件状态管理，并以表格形式进行文件状态管理；
数据管理模块包括披露数据管理模块和场站通讯录管理模块；
披露数据管理模块，提供交易中心公开披露数据的管理；
场站通讯录管理模块，提供通讯录管理功能；
中长期交易模块，包括分时段交易模块和中长期合同管理模块；
分时段交易模块，通过监控买方和卖方的交易价，选择交易类型，在界面上展示分时段交易k线图，指标包括开盘、收盘、最低、最高价，支持以放大、缩小日期形式展示走势折线图；
中长期合同管理模块，支持人工录入中长期合同以及多条数据序列的标记；按照省内、跨省跨区、分时段等分类对中长期合同进行管理，提供中长期合同数据的上传功能，在中长期合同数据上传时选择省内和跨省跨区标记，并填报合同电价信息；
对合同数据以图形化形式对合同数据进行分时段展现，并提供按日期和分类查询功能以便快速定位中长期合同；
远程查看模块，提供用户端与服务器端远程查看，设置固定ip登录，非法ip拦截；
智能预警模块，根据目前采集到的气象数据、生产运行信息数据、行情信息的实时监测数据情况进行预警；
价格预测准确率统计模块，提供价格预测的准确率统计及准确率分析，采用MAPE准确率计算方式，其中，数据点总数为n，第i个数据点的预测出清电价为第i个数据点的真实出清电价为y真实i；
MAPE准确率＝(1-MAPE)×100％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310244564.9A CN116485445A (zh) | 2023-03-10 | 2023-03-10 | 基于数据自动采集处理的新能源电力现货交易辅助系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310244564.9A CN116485445A (zh) | 2023-03-10 | 2023-03-10 | 基于数据自动采集处理的新能源电力现货交易辅助系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116485445A true CN116485445A (zh) | 2023-07-25 |
Family
ID=87223996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310244564.9A Pending CN116485445A (zh) | 2023-03-10 | 2023-03-10 | 基于数据自动采集处理的新能源电力现货交易辅助系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116485445A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117312255A (zh) * | 2023-11-29 | 2023-12-29 | 湖南中斯信息科技有限公司 | 一种电子文档拆分优化管理方法及系统 |
-
2023
- 2023-03-10 CN CN202310244564.9A patent/CN116485445A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117312255A (zh) * | 2023-11-29 | 2023-12-29 | 湖南中斯信息科技有限公司 | 一种电子文档拆分优化管理方法及系统 |
| CN117312255B (zh) * | 2023-11-29 | 2024-02-20 | 湖南中斯信息科技有限公司 | 一种电子文档拆分优化管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nepal et al. | Electricity load forecasting using clustering and ARIMA model for energy management in buildings | |
| US11699198B2 (en) | Methods and systems for machine-learning for prediction of grid carbon emissions | |
| Wang et al. | A combined Data Envelopment Analysis (DEA) and Grey Based Multiple Criteria Decision Making (G-MCDM) for solar PV power plants site selection: A case study in Vietnam | |
| Mai et al. | Implications of model structure and detail for utility planning. Scenario case studies using the resource planning model | |
| US11410219B2 (en) | Methods, systems, apparatuses and devices for matching at least one utility consumer to at least one utility provider | |
| WO2013102932A2 (en) | System and method facilitating forecasting, optimization and visualization of energy data for an industry | |
| Mařík et al. | Decision support tools for advanced energy management | |
| CN107818386A (zh) | 电网企业经营利润预测方法 | |
| Wood | Hourly-averaged solar plus wind power generation for Germany 2016: Long-term prediction, short-term forecasting, data mining and outlier analysis | |
| CN115796404A (zh) | 一种面向代理购电用户的用电预测方法及系统 | |
| CN116485445A (zh) | 基于数据自动采集处理的新能源电力现货交易辅助系统 | |
| Bourry et al. | Advanced strategies for wind power trading in short-term electricity markets | |
| Androulaki et al. | Enabling local authorities to produce short-term energy plans: A multidisciplinary decision support approach | |
| KR102513336B1 (ko) | 가상 발전 플랫폼 제어 시스템 및 방법 | |
| CN117237054A (zh) | 电力市场中长期集中竞价交易策略推荐方法、系统及设备 | |
| CN107563785A (zh) | 可智能调价的收益管理系统及智能调价方法 | |
| Energy | Edge driven Digital Twins in distributed energy systems | |
| Suciu et al. | Cloud-Based platform for enhancing energy consumption awareness and substantiating the adoption of energy efficiency measures within SMEs | |
| Sun et al. | Machine learning derived dynamic operating reserve requirements in high-renewable power systems | |
| Millstein et al. | A database of hourly wind speed and modeled generation for US wind plants based on three meteorological models | |
| Widiss et al. | Review of variable generation forecasting in the west: July 2013-march 2014 | |
| EP3965049A1 (en) | Information processing apparatus, information processing method, information processing system, and computer program | |
| Bettinelli et al. | Decision support systems for energy production optimization and network design in district heating applications | |
| Weiss | Climate-informed Prediction and Forecast Modeling of Installation Total Energy Consumption | |
| Weiss et al. | Energy forecasting to benchmark for federal net-zero objectives under climate uncertainty |
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 |