[發明專利]面向現貨市場的售電公司購售電風險預測系統及其方法

在審

• 申請號: 202310075595.6
• 申請日: 2023-02-07
• 公開（公告）號: CN115953183A
• 公開（公告）日: 2023-04-11
• 發明（設計）人: 唐莉;范長瀾;張烈
• 申請（專利權）人: 上海合煌能源科技有限公司
• 主分類號: G06Q30/0201
• 分類號: G06Q30/0201;G06Q30/0202;G06Q50/06;G06Q10/0635;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 北京中仟知識產權代理事務所(普通合伙) 11825
• 代理人: 何曉曉

本申請涉及智能預測領域，其具體地公開了一種面向現貨市場的售電公司購售電風險預測系統及其方法，其通過采用基于深度學習的神經網絡模型挖掘出電力用戶的多天實際用電量的時序動態關聯特征信息，以此來準確地進行用電量預測，進而提高偏移預警的精準度。這樣，能夠在滿足電力用戶的生產用能需求的同時也能為電力用戶節省用電費用。

技術領域

本申請涉及智能預測領域，且更為具體地，涉及一種面向現貨市場的售電公司購售電風險預測系統及其方法。

背景技術

售電公司通過和電力用戶簽訂零售服務合同，為電力用戶在電力市場購電。售電公司通過在電力批發市場進行年度交易、月度交易、月內交易，以保證電力用戶生產用能的購電安排。如果由于其他不可控的原因，出現購電電量無法滿足電力用戶生產用能的情況時，售電公司通過在現貨市場進行現貨交易購電，以滿足用電電量偏差。

目前售電公司在現貨市場進行現貨交易購電，以滿足電力用戶用電電量偏差，解決了電力用戶實際生產用能的需求，但可能面臨以下不足：由于現貨市場的實時性、交易雙方的不確定性等特征，在現貨市場的交易價格要遠高于電力批發市場的交易價格，電力用戶需要承擔較多的用電費用；由于現貨市場交易的不確定性，可能面臨無合適的現貨交易，無法購買合適的電量，影響電力用戶的生產用能安排。

因此，期望一種優化的面向現貨市場的售電公司購售電風險預測系統。

發明內容

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種面向現貨市場的售電公司購售電風險預測系統及其方法，其通過采用基于深度學習的神經網絡模型挖掘出電力用戶的多天實際用電量的時序動態關聯特征信息，以此來準確地進行用電量預測，進而提高偏移預警的精準度。這樣，能夠在滿足電力用戶的生產用能需求的同時也能為電力用戶節省用電費用。

根據本申請的一個方面，提供了一種面向現貨市場的售電公司購售電風險預測系統，其包括：用電量數據采集模塊，用于獲取被預測電力用戶在當天之前的多天的實際用電量；時序向量構造模塊，用于將所述當天之前的多天的實際用電量按照時間維度排列為用電量輸入向量；第一用電時序特征提取模塊，用于將所述用電量輸入向量通過使用具有第一尺度的一維卷積核的第一卷積神經網絡模型以得到第一尺度用電量特征向量；第二用電時序特征提取模塊，用于將所述用電量輸入向量通過使用具有第二尺度的一維卷積核的第二卷積神經網絡模型以得到第二尺度用電量特征向量；用電特征融合模塊，用于融合所述第一尺度用電量特征向量和所述第二尺度用電量特征向量以得到用電量特征向量；特征增強模塊，用于基于高斯密度圖對所述用電量特征向量進行特征級數據增強以得到用電量特征矩陣；預測模塊，用于將所述用電量特征矩陣通過作為預測器的解碼器以得到當前用電量預測值；以及偏移預測結果生成模塊，用于基于所述當前用電量預測值和所述被預測電力用戶的當天電量購買量之間的比較，生成用電量偏移預警提示。

在上述面向現貨市場的售電公司購售電風險預測系統中，所述第一用電時序特征提取模塊，進一步用于：使用所述具有第一尺度的一維卷積核的第一卷積神經網絡模型的各層在層的正向傳遞中分別對輸入數據進行：對輸入數據進行卷積處理以得到卷積特征圖；對所述卷積特征圖進行基于特征矩陣的池化以得到池化特征圖；以及，對所述池化特征圖進行非線性激活以得到激活特征圖；其中，所述具有第一尺度的一維卷積核的第一卷積神經網絡的最后一層的輸出為所述第一尺度用電量特征向量，所述具有第一尺度的一維卷積核的第一卷積神經網絡的第一層的輸入為所述用電量輸入向量。

在上述面向現貨市場的售電公司購售電風險預測系統中，所述第二用電時序特征提取模塊，進一步用于：使用所述具有第二尺度的一維卷積核的第二卷積神經網絡模型的各層在層的正向傳遞中分別對輸入數據進行：對輸入數據進行卷積處理以得到卷積特征圖；對所述卷積特征圖進行基于特征矩陣的池化以得到池化特征圖；以及，對所述池化特征圖進行非線性激活以得到激活特征圖；其中，所述具有第二尺度的一維卷積核的第二卷積神經網絡的最后一層的輸出為所述第二尺度用電量特征向量，所述具有第二尺度的一維卷積核的第二卷積神經網絡的第一層的輸入為所述用電量輸入向量。