[發明專利]風電競價場內交易數據分析方法、裝置、設備及介質

在審

• 申請號: 201911014039.8
• 申請日: 2019-10-23
• 公開（公告）號: CN110826777A
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 郭映軍
• 申請（專利權）人: 華能大理風力發電有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06Q50/06;G06N3/04
• 代理公司: 武漢紅觀專利代理事務所(普通合伙) 42247
• 代理人: 李季

1.一種風電競價場內交易數據分析方法，其特征在于：包括以下步驟；

S1，獲取市場的歷史原始數據，根據市場的歷史原始數據建立向量；

S2，建立極大極小差值法，通過極大極小差值法對該歷史原始數據進行計算，獲取計算向量，獲取市場的預測向量，將該預測向量與計算向量進行比較，當預測向量滿足計算向量的范圍時，將該預測向量作為預測值；

S3，建立神經網絡算法，通過神經網絡算法對預測值進行計算，獲取計算的結果作為預測電價。

2.如權利要求1所述的風電競價場內交易數據分析方法，其特征在于：步驟S1中，市場的歷史原始數據包括競價雙方的歷史報價、歷史成交價格、歷史結算價格。

3.如權利要求2所述的風電競價場內交易數據分析方法，其特征在于：步驟S1中，獲取市場的歷史原始數據，根據市場的歷史原始數據建立向量，還包括以下步驟，根據市場的歷史原始數據建立向量：

Y＝[v_max,v_min,p_aver,h_aver]；

其中，Y表示根據市場的歷史原始數據建立的向量，v_max代表歷史報價的最大值，v_min代表歷史報價的最小值，p_aver代表歷史成交價格的平均值，h_aver代表歷史結算價格的平均值。

4.如權利要求3所述的風電競價場內交易數據分析方法，其特征在于：步驟S2中，建立極大極小差值法，通過極大極小差值法對該歷史原始數據進行計算，獲取計算向量，還包括以下步驟，建立極大極小差值法，根據極大極小差值法對該向量進行歸一化，獲取歸化后的向量。

5.如權利要求4所述的風電競價場內交易數據分析方法，其特征在于：還包括以下步驟，歸一化公式為：

x_i(j)＝[y_i(j)-m(j)]/[M(j)-m(j)]；

其中，x_i(j)為歸化后的第j個分量，y_i(j)為歸化前的分量，m(j)為樣本中第j個分量的最小值，M(j)為樣本中第j個分量的最大值。

6.如權利要求1所述的風電競價場內交易數據分析方法，其特征在于：步驟S3中，建立神經網絡算法，通過神經網絡算法對預測值進行計算，獲取計算的結果作為預測電價，還包括以下步驟，神經網絡算法為：

其中，f'(x)為預測電價，O_pj為模式p節點j的實際輸出值，f(x)為閾函數。

7.如權利要求6所述的風電競價場內交易數據分析方法，其特征在于：還包括以下步驟，閾函數f(x)為：

f(x)＝1/(1+e^-x)；

其中，e^-x為系統設定的修正值。

8.一種風電競價場內交易數據分析裝置，其特征在于，所述風電競價場內交易數據分析裝置包括：

獲取模塊，用于獲取市場的歷史原始數據，根據市場的歷史原始數據建立向量；

第一計算模塊，用于建立極大極小差值法，通過極大極小差值法對該歷史原始數據進行計算，獲取計算向量，獲取市場的預測向量，將該預測向量與計算向量進行比較，當預測向量滿足計算向量的范圍時，將該預測向量作為預測值；

第二計算模塊，用于建立神經網絡算法，通過神經網絡算法對預測值進行計算，獲取計算的結果作為預測電價。

9.一種設備，其特征在于，所述設備包括：存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的風電競價場內交易數據分析方法程序，所述風電競價場內交易數據分析方法程序配置為實現如權利要求1至7任一項所述的風電競價場內交易數據分析方法的步驟。

10.一種介質，其特征在于，所述介質為計算機介質，所述計算機介質上存儲有風電競價場內交易數據分析方法程序，所述風電競價場內交易數據分析方法程序被處理器執行時實現如權利要求1至7任一項所述的風電競價場內交易數據分析方法的步驟。