-
公开(公告)号:CN119494727A
公开(公告)日:2025-02-21
申请号:CN202411498610.9
申请日:2024-10-25
Applicant: 贵州电力交易中心有限责任公司
Abstract: 本发明涉及电力交易结算领域,具体为一种电力交易结算模型版本对比与交叉验证方法及存储介质;建立多个版本的电力结算模型的有向无环图,以输入节点、输出节点和操作节点来作为有向无环图的组成部分,分别对输入节点、输出节点和操作节点进行定义,通过计算定义各个节点的节点层次,通过在同一节点层次的维度下,实现对输入节点、输出节点和操作节点的对比,将各节点分类为已配对相同节点和未配对孤立节点,以直观地观察不同电力结算模型的差异,实现对比不同电力结算模型之间差异的目的;解决了目前多个版本电力结算模型共存时,容易导致结算结果出现差异,且业务人员难以对比不同电力结算模型之间的差异,以及对结算结果进行验证的问题。
-
公开(公告)号:CN119577329A
公开(公告)日:2025-03-07
申请号:CN202411627164.7
申请日:2024-11-14
Applicant: 贵州电力交易中心有限责任公司
IPC: G06F18/10 , G06F18/214 , G06F18/21 , G06F18/2431 , G06N20/00
Abstract: 本发明涉及电力结算数据预处理技术领域,解决了传统异常数据检测方法无法充分考虑电力交易数据的时序特性和周期性变化,难以有效地识别出复杂的数据异常情况的技术问题,尤其涉及一种电力交易结算数据清洗与验证方法、系统及计算机设备,该方法包括以下步骤:获取电力结算数据样本,并根据电力结算数据样本构建训练集、验证集和测试集;采用极差法分别对训练集、验证集和测试集进行归一化处理。本发明不仅能够充分考虑电力交易结算数据的周期性特征,还具备处理数据缺失和噪声问题的能力,能够显著提高数据清洗的效率和准确性,从而提升电力交易结算过程中的数据质量和结算结果的可靠性。
-
公开(公告)号:CN119515441A
公开(公告)日:2025-02-25
申请号:CN202411559992.1
申请日:2024-11-04
Applicant: 贵州电力交易中心有限责任公司
IPC: G06Q30/0202 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及电力交易结算技术领域,解决了现有技术无法满足多样化市场主体产生的多样化电力交易结算需求的技术问题,尤其涉及一种电力交易结算模型灵活生成方法,该方法包括以下步骤:S1、基于结算基础数据获取结算相关值Kj,并剔除结算相关值Kj中与决策属性关联性小的数据;S2、构建结算端的结算节点和用户侧的连接节点,根据不同的用户侧需求将结算节点与连接节点进行连接并计算用户侧的需求电量估算电费Ccu,本发明通过可视化的界面使工作人员能够易于操作,完成结算模型的定义和结算,结算中根据用户或者操作人员灵活地选择,不仅灵活选择结算方式,而且同时满足发电侧和用电侧的不同需求。
-
公开(公告)号:CN119579272A
公开(公告)日:2025-03-07
申请号:CN202411563781.5
申请日:2024-11-05
Applicant: 贵州电力交易中心有限责任公司
IPC: G06Q30/0601 , G06Q30/0202 , G06Q50/06 , G06F17/18 , G06F18/214 , G06F18/2411 , G06F18/27 , H02J3/00
Abstract: 本发明适用于偏差电量处理技术领域,提供了一种分布式交易的偏差电量处理方法、系统、设备及介质,其方法包括:采集在预设时间内分布式电源的历史发电数据和气象数据,并利用支持向量机算法计算分布式电源的预测发电量;采集在预设时间内用户的历史用电数据,并构建季节性自回归积分滑动平均模型计算用户的预测用电量;分别预估分布式电源的偏差发电量和用户的偏差用电量;判断分布式电源的偏差发电量和/或所述用户的偏差用电量是否满足阈值条件;若是,则引入需求响应机制,通过需求响应机制处理偏差发电量和/或偏差用电量;若否,则继续采集和更新与分布式电源发电和用户用电的相关数据,解决了因偏差电量造成损失的问题。
-
公开(公告)号:CN119205195A
公开(公告)日:2024-12-27
申请号:CN202411400994.6
申请日:2024-10-09
Applicant: 贵州电力交易中心有限责任公司
IPC: G06Q30/0202 , G06Q30/0201 , G06Q50/06 , G06N3/04 , H02J3/00
Abstract: 本发明涉及基于ELM的电力市场结算价格预测方法、装置及存储介质,应用于电力现货价格预测技术领域,包括:利用机器学习技术(ELM)来预测未来电力市场中短期内的实时电力价格变动,使用ELM算法进行训练与建模,通过最小化输出误差来优化输出层与隐藏层的权重,为降低天气条件和可再生能源随机性造成的电力市场波动风险,在人工神经网络单侧预测训练外考虑风险因素增加了风险参数,基于给定风险水平,计算出一个相对稳定的价格,以帮助市场主体更好地管理暴露于市场波动性的风险,本申请不仅具备快速收敛、高精度和强泛化能力等优点,还通过简化训练过程和增强型改进提升了模型的适应性和可靠性,为电力市场提供了有效的预测工具。
-
-
-
-