基于数据特征分析的电力现货市场出清电价异常诊断系统的制作方法
本申请涉及智能诊断领域,且更为具体地,涉及一种基于数据特征分析的电力现货市场出清电价异常诊断系统。
背景技术:
1、随着新型电力系统建设的持续推进,分布式电源运营商、负荷聚合商及虚拟电厂等新型经营主体大量涌现并参与电力现货市场报价,使得出清电价受新能源出力不确定性及多元主体博弈策略等因素影响,灵活性大幅提升,这对电力市场的规范运营与监管提出了巨大挑战。因此,亟需构建一套有效的出清电价异常诊断方案,以精准识别与回溯异常情况,保障市场平稳运行。
2、现有的电力现货市场出清电价异常诊断通常采用价格钉判别法,即假设电价服从正态分布,将显著偏离均值的电价判定为异常点,或者利用聚类算法提取典型特征向量进行比对,部分研究也尝试引入随机森林、长短期记忆网络等机器学习算法来分析电价时序特征。然而,上述现有技术在实际应用中存在明显的技术缺陷。一方面,基于传统统计特征的方法主要依赖数值偏离度,只能识别出明显远离正常电价区间的异常点,无法识别出数值接近均值但波动特征或变化趋势异常的隐性异常电价。另一方面,基于机器学习的识别算法高度依赖大规模标注数据,而电力市场中的异常电价样本天然稀缺,极易导致模型过拟合或泛化能力不足,从而在实际监管中引发较多的漏报或误报现象,严重影响了市场效率与监管效果。
3、因此,期待一种优化的基于数据特征分析的电力现货市场出清电价异常诊断系统。
技术实现思路
1、为了解决上述技术问题,本申请提供了一种基于数据特征分析的电力现货市场出清电价异常诊断系统。
2、根据本申请的一个方面,提供了一种基于数据特征分析的电力现货市场出清电价异常诊断系统,其包括:
3、原始出清电价数据获取模块,用于获取原始出清电价时间序列;
4、数据时段划分与预处理模块,用于对原始出清电价时间序列进行数据时段划分与预处理以得到出清电价分时段均值数据和出清电价日均值数据;
5、初步异常筛查模块,用于基于出清电价分时段均值数据,对原始出清电价时间序列进行基于统计特征的初步异常筛查以得到统计特征异常识别结果集;
6、深度异常筛查模块,用于基于出清电价日均值数据,对原始出清电价时间序列进行基于分形特征的深度异常筛查以得到分形特征异常识别结果集;
7、异常联合识别模块,用于对统计特征异常识别结果集和分形特征异常识别结果集进行异常联合识别以得到最终出清电价异常集合;
8、异常诊断报告生成模块,用于基于最终出清电价异常集合和辅助诊断数据,生成电力现货市场出清电价异常诊断报告。
9、与现有技术相比,本申请提供的一种基于数据特征分析的电力现货市场出清电价异常诊断系统,其通过对原始出清电价进行时段划分与预处理,一方面基于分时段均值数据的统计特征进行初步筛查,识别数值显著偏离的常规异常;另一方面利用分形理论挖掘日均值数据的自相似性与波动趋势,深度筛查破坏分形特征的隐性异常。通过对两类识别结果进行联合判定,系统能够在无需大规模标注数据的前提下,有效捕捉传统统计方法遗漏的波动性异常,显著降低漏报率与误报率,从而实现对电力现货市场出清电价高精度、全维度的异常诊断,为市场规范化运营提供可靠的技术支撑。
1.一种基于数据特征分析的电力现货市场出清电价异常诊断系统,其特征在于,包括:
2.根据权利要求1所述的基于数据特征分析的电力现货市场出清电价异常诊断系统,其特征在于,数据时段划分与预处理模块,用于:
3.根据权利要求1所述的基于数据特征分析的电力现货市场出清电价异常诊断系统,其特征在于,初步异常筛查模块,包括:
4.根据权利要求3所述的基于数据特征分析的电力现货市场出清电价异常诊断系统,其特征在于,异常点识别单元,包括:
5.根据权利要求1所述的基于数据特征分析的电力现货市场出清电价异常诊断系统,其特征在于,局部统计特征计算子单元,用于:
6.根据权利要求1所述的基于数据特征分析的电力现货市场出清电价异常诊断系统,其特征在于,深度异常筛查模块,用于;
7.根据权利要求1所述的基于数据特征分析的电力现货市场出清电价异常诊断系统,其特征在于,异常联合识别模块,用于:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com