[發(fā)明專利]一種電力市場成員競價行為預測標簽生成方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211440113.4
• 申請日: 2022-11-17
• 公開（公告）號: CN115759401A
• 公開（公告）日: 2023-03-07
• 發(fā)明（設(shè)計）人: 馮迎春;范潔;高博;劉胥雯;王林杰;陳呈
• 申請（專利權(quán)）人: 江蘇電力交易中心有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/0601;G06Q50/06;G06F18/23213
• 代理公司: 北京智繪未來專利代理事務(wù)所(普通合伙) 11689
• 代理人: 王萍

本發(fā)明公開了一種電力市場成員競價行為預測標簽生成方法和系統(tǒng)，從電力交易中心數(shù)據(jù)倉庫抽取市場成員的實際歷史競價行為的數(shù)據(jù)，提取電力市場成員競價行為指標；結(jié)合電力市場成員競價行為指標改進K?means聚類算法，采用改進的K?means聚類算法，生成電力市場成員競價行為標簽；利用已生成的電力市場成員競價行為標簽，進行電力市場成員競價行為預測，生成市場成員行為預測標簽。本發(fā)明利用K?means聚類分析和嵌入梯度提升樹算法挖掘出數(shù)據(jù)中的復雜標簽，進而建立電力市場成員標簽庫，可實現(xiàn)市場成員信息結(jié)構(gòu)化集中展示，幫助電力交易中心直觀、系統(tǒng)地認識市場成員。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)標簽技術(shù)領(lǐng)域，涉及一種電力市場成員競價行為預測標簽生成方法和系統(tǒng)。

背景技術(shù)

隨著大數(shù)據(jù)技術(shù)的迅猛發(fā)展，電力交易中心的數(shù)據(jù)倉庫中積累了大量市場成員數(shù)據(jù)，且數(shù)量呈指數(shù)型增長。目前，電力交易中心對市場成員數(shù)據(jù)分析過程中存在不足:數(shù)據(jù)分析手段有待提升，人為主觀因素影響較大，對市場成員行為產(chǎn)生的內(nèi)在原因分析較淺，無法快速分析大量市場成員投訴的工單數(shù)據(jù)。利用大數(shù)據(jù)技術(shù)來分析市場成員的用電行為，生成市場成員畫像，可以指導企業(yè)決策，同時提高市場成員滿意度。基于大數(shù)據(jù)技術(shù)生成市場成員標簽，可以全面、準確地量化處理電力市場成員數(shù)據(jù)，將市場成員的興趣、特征、行為等多方面具象化數(shù)據(jù)分類描述，并在此基礎(chǔ)上預測市場成員短期內(nèi)的競價行為。

現(xiàn)有技術(shù)文件1(CN114444573A)公開了一種基于大數(shù)據(jù)聚類技術(shù)的電力客戶標簽生成方法，包括基于改進K-means聚類的電力客戶行為標簽生成和基于梯度提升樹和機器學習的電力客戶行為預測標簽，利用改進的K-means聚類算法，對電力客戶服務(wù)呼叫中心、營銷系統(tǒng)獲得的客戶數(shù)據(jù)進行統(tǒng)計、分析，將復雜信息加工過程透明化，形成簡單的基本行為標簽，經(jīng)過K-means聚類分析、分類分析、歸類分析和回歸分析挖掘出數(shù)據(jù)中的復雜標簽，建立電力客戶標簽庫；電力企業(yè)利用客戶標簽生成客戶畫像，采用梯度提升樹算法和機器學習相結(jié)合的方法來構(gòu)建行為預測模型，生成客戶行為預測標簽。現(xiàn)有技術(shù)文件2(CN109685581A)公開了一種基于標簽聚類技術(shù)的電力大客戶用電行為分析方法，基于海量的客戶檔案、負荷、電量數(shù)據(jù)，綜合考慮客戶用電特征、影響因素，建立了客戶用電行為標簽庫，并采用k-means算法進行標簽聚類，實現(xiàn)不同類型電力客戶用電行為畫像。現(xiàn)有技術(shù)文件1和現(xiàn)有技術(shù)文件2均為生成電力客戶標簽，而不是對電力市場成員的競價行為生成預測標簽，且不涉及評估市場成員競價行為的競爭性需考慮的發(fā)電商報價、發(fā)電商總收益和市場出清電價、競價決策目標、申報價格、成本偏離度等指標因素。

發(fā)明內(nèi)容

本發(fā)明提供一種可以幫助電力交易中心直觀、系統(tǒng)地認識市場成員的電力市場成員競價行為預測標簽生成方法和系統(tǒng)。

本發(fā)明的一種電力市場成員競價行為預測標簽生成方法，包括以下步驟：

步驟1：從電力交易中心數(shù)據(jù)倉庫抽取市場成員的實際歷史競價行為的數(shù)據(jù)，提取電力市場成員競價行為指標；

步驟2：結(jié)合電力市場成員競價行為指標改進K-means聚類算法，采用改進的K-means聚類算法，生成電力市場成員競價行為標簽；

步驟3：利用已生成的電力市場成員競價行為標簽，進行電力市場成員競價行為預測，生成市場成員行為預測標簽。

優(yōu)選地，步驟1中，電力市場成員競價行為指標包括：發(fā)電商報價、發(fā)電商總收益和市場出清電價。

優(yōu)選地，所述步驟2中，K-means聚類分析的具體流程為：選擇K個點作為質(zhì)心，取T＝1，計算當前樣本與每個聚類質(zhì)心的距離，將當前樣本指派到最近的質(zhì)心，重新計算每個簇的質(zhì)心，若簇發(fā)生變換，則令T＝T+1，繼續(xù)計算當前樣本與每個聚類質(zhì)心的距離，將當前樣本指派到最近的質(zhì)心，重新計算每個簇的質(zhì)心，直到簇不發(fā)生變換為止，此時輸出聚類結(jié)果。

優(yōu)選地，步驟2中，生成行為標簽時，需離散化處理行為發(fā)生的時間特征，將時間特征分層，進而對行為的頻率、行為產(chǎn)生的時間間隔及偏離度進行聚類。