一种电力市场大数据智能预处理系统及方法与流程

本发明涉及电力市场数据处理与市场建模，具体为一种电力市场大数据智能预处理系统及方法。

背景技术：

1、随着新型电力系统和电力现货市场建设的不断推进，电力市场运行机制由传统的计划调度逐步向以市场化交易为主导的模式转变，电价形成机制、交易结构以及参与主体呈现出高度动态化和复杂化特征。电力现货市场、电力辅助服务市场以及机制电价并行运行，不同市场之间在时间尺度、定价规则及电量结构上的耦合关系日益增强，导致电力市场运行数据呈现出多源异构、强时变和高波动的特点。

2、现有电力市场数据处理方法多侧重于对单一市场或单一时间序列数据的统计分析或预测建模，通常假设电价、电量数据本身具备较高的一致性和稳定性，未能充分考虑市场规则变化、出清约束调整及多市场协同机制对数据语义的影响。在实际运行中，市场规则的阶段性调整、辅助服务调用频率变化以及机制电价执行比例波动，均可能导致电价与规则约束之间出现偏离，从而使原始市场数据中混入规则失配数据或非市场因素扰动数据。

3、同时，由于电力市场数据采集来源广泛、更新频率不一致，不同市场数据在时间对齐、尺度一致性及统计语义方面存在天然差异。现有技术中往往仅通过简单的数据清洗、异常值剔除或滑动平均等方式对原始数据进行预处理，难以区分由正常市场供需变化引起的合理波动与由规则失配、结构失衡或跨市场耦合异常引起的非语义波动，容易在后续预测、分析或仿真过程中引入系统性偏差。

4、此外，在多市场并行运行条件下，现货市场、辅助服务市场与机制电价之间的电量占比关系直接影响电价形成逻辑，但现有预处理方法缺乏对多市场耦合一致性的定量评估机制，难以及时识别市场分割、单一市场主导或结构失衡等问题，导致数据预处理结果难以反映真实的市场运行状态。

技术实现思路

1、针对现有技术的不足，本发明提供了一种电力市场大数据智能预处理系统及方法，以解决背景技术中提到的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种电力市场大数据智能预处理方法，包括以下步骤：

3、步骤一、通过对电力现货市场交易平台、辅助服务市场管理系统及电力市场结算与规则发布系统的数据接口进行统一接入，在预设时间间隔内同步采集电力现货市场电价时间序列数据、现货市场成交电量时间序列数据、辅助服务市场电量数据、机制电价对应的电量数据及市场规则状态数据；

4、步骤二、通过构建并训练电力市场数据卷积神经网络模型，提取表征电价波动、规则一致性及多市场协同性的基础特征信息，并形成电力市场大数据预处理模型，输出针对性的修正、平滑、标记及协同策略，支持电力市场的后续市场建模、市场分析与仿真应用；

5、步骤三、通过获取规则映射函数，结合电力现货市场电价时间序列数据，计算规则一致性匹配系数gyp，并与规则一致性匹配阈值gth进行对比，判断当前时间窗口内的电价数据与市场规则约束一致性是否合格，若不合格则给予第一策略；

6、步骤四、通过获取电价序列的均值与标准差，计算获取电价波动语义稳定系数dbw，并与电价波动语义稳定阈值dth进行对比，判断当前电价波动语义稳定性是否合格，若不合格则给予第二策略；

7、步骤五、通过现货市场成交电量数据、辅助服务市场成交电量数据及机制电价对应的结算电量数据，计算获取多市场耦合一致性系数soy，并与多市场耦合一致性阈值区间进行对比，判断多市场协同状态是否合格，若不合格则给予第三策略和第四策略。

8、优选的，所述步骤一包括：

9、s11、通过在电力现货市场交易平台部署数据接口，对现货市场在预设时间间隔内形成的分时出清电价进行实时采集，获得电力现货市场电价时间序列数据ps(t)；

10、s12、通过调用电力现货市场出清结果发布接口，对现货市场对应时间段的成交电量进行同步采集，获得现货市场成交电量时间序列数据qs(t)；

11、s13、通过接入电力辅助服务市场管理系统的数据采集接口，对参与辅助服务交易的机组在对应时间段内的辅助服务成交电量进行采集，获得辅助服务市场电量数据qa(t)；

12、s14、通过电力市场结算系统和电价执行管理平台，对适用机制电价的发电主体在对应结算周期内的结算电量进行采集，获得机制电价对应的电量数据qm(t)；

13、s15、通过解析电力现货市场运行规则文件、出清参数配置表和规则发布系统，对影响电价形成的出清约束条件、定价方式及结算逻辑参数进行采集，获得市场规则状态数据r(t)。

14、优选的，所述步骤二包括：

15、s21、通过利用卷积神经网络，构建电力市场数据卷积神经网络初始模型，并以现货市场电价时间序列数据ps(t)、现货市场成交电量时间序列数据qs(t)、辅助服务市场电量数据qa(t)、机制电价对应的电量数据qm(t)和市场规则状态数据r(t)，作为输入样本，对电力市场数据卷积神经网络初始模型进行训练与测试，将训练完成的卷积神经网络初始模型作为电力市场数据特征提取基础模型；

16、s22、利用现货市场电价时间序列数据ps(t)、现货市场成交电量时间序列数据qs(t)、辅助服务市场电量数据qa(t)、机制电价对应的电量数据qm(t)和市场规则状态数据r(t)在卷积神经网络中间层的输出结果，构建用于表征市场价格波动特性、规则一致性特征及结构协同性特征的特征向量集合，通过对特征向量集合进行识别与映射，提取反映市场运行状态的基础特征信息；

17、s23、基于基础特征信息，对电力市场数据特征提取基础模型进行进一步训练与测试，作为电力市场大数据预处理模型，输出针对性的修正、平滑、标记及协同策略，支持电力市场的后续市场建模、市场分析与仿真应用。

18、优选的，所述步骤三包括：

19、s31、基于市场规则数据r(t)，采用规则条款结构化解析与参数映射方法，对市场规则状态数据r(t)中与现货市场出清相关的约束条件、定价方式及结算规则进行逐条解析，并按照规则对电价形成的影响关系进行数值映射，获取规则映射函数f(r(t))；

20、s32、通过获取的规则映射函数f(r(t))，结合电力现货市场电价时间序列数据ps(t)，采用时间窗口内逐时偏差统计计算方法，对统计时间窗口t内各时刻的电力现货市场电价时间序列数据ps(t)与对应规则约束下的理论电价映射值，进行差异度量，并按照预设规则一致性匹配公式进行归一化求和计算，获取规则一致性匹配系数gyp。

21、优选的，所述步骤三还包括：

22、s33、通过预设规则一致性匹配阈值gth，并将规则一致性匹配系数gyp与规则一致性匹配阈值gth进行对比分析，获取第一评估结果包括：

23、当规则一致性匹配系数gyp≥规则一致性匹配阈值gth时，表示当前时间窗口内的电价数据与市场规则约束一致性合格，持续监测；

24、当规则一致性匹配系数gyp＜规则一致性匹配阈值gth时，表示当前时间窗口内的电价数据与市场规则约束一致性不合格，当前时间段市场数据存在规则层面异常偏离，导致规则失配的风险，触发第一预警指令，生成第一策略：采用规则驱动的数据修正方法，对不一致时间段内的电价数据进行处理，包括基于规则映射函数f(r(t))对异常电价进行重构修正或对异常偏离规则约束的数据样本执行剔除处理，并在完成修正或剔除后生成规则一致性校正后的电价序列psx(t)。

25、优选的，所述步骤四包括：

26、s41、基于规则一致性校正后的电价序列psx(t)，采用时间序列统计分析方法，在预设时间窗口内对电价序列进行统计计算，得到电价序列的均值与标准差；

27、s42、通过获取的电价序列的均值与标准差，无量纲处理后，计算获取电价波动语义稳定系数dbw。

28、优选的，所述步骤四还包括：

29、s43、通过预设电价波动语义稳定阈值dth，并将电价波动语义稳定系数dbw与电价波动语义稳定阈值dth进行对比分析，获取第二评估结果包括：

30、当电价波动语义稳定系数dbw≥电价波动语义稳定阈值dth时，表示当前电价波动语义稳定性合格，持续监测；

31、当电价波动语义稳定系数dbw＜电价波动语义稳定阈值dth时，表示当前电价波动语义稳定性不合格，当前电价序列中存在异常放大波动，波动特征与正常市场语义不一致，导致非市场干扰、数据噪声或突发扰动的风险；触发第二预警指令，生成第二策略：基于电价序列的均值与标准差，采用统计离散度判定方法，对偏离均值超过150%至200%标准差的时间区段判定为高波动区段，并对当前区段电价数据执行分段平滑处理以抑制异常尖峰波动；采用规则一致性偏差判定方法，对电价相对于对应时间窗口规则映射理论值的偏离比例超过35%的时间区段，判定为低置信度时段，并对对应电价数据进行可信标记处理；基于规则一致性校正后的电价序列psx(t)在相邻时间窗口内的变化率特征，采用突变幅度判定方法，对电价相对前一时间窗口变化幅度超过200%的时间区段判定为异常波动区段，并对异常波动区段生成异常扰动标识信息，对数据隔离与语义可信度进行调整控制。

32、优选的，所述步骤五包括：

33、s51、基于规则一致性校正电价序列psx(t)对应的时间窗口，采用时间窗口同步映射方法，将当前时间窗口内的现货市场成交电量数据qs(t)、辅助服务市场成交电量数据qa(t)及机制电价对应的结算电量数据qm(t)，进行时间尺度对齐，无量纲处理后，采用多市场电量占比归一化计算方法，计算获取多市场耦合一致性系数soy。

34、优选的，所述步骤五还包括：

35、s52、通过预设多市场耦合一致性阈值区间，并将多市场耦合一致性系数soy与多市场耦合一致性阈值区间进行对比分析，获取第三评估结果包括：

36、当多市场耦合一致性系数soy∈多市场耦合一致性阈值区间时，表示现货市场、辅助服务市场与机制电价之间的电量耦合关系合理，多市场协同状态合格，持续监测；

37、当多市场耦合一致性系数soy＜多市场耦合一致性阈值smin时，表示现货市场成交电量占比为低异常，多市场协同状态不合格，存在市场分割和机制替代异常的风险；触发第三预警指令，生成第三策略：对对应时间窗口内的现货市场电价与电量数据进行协同标记处理；将协同标记后的价量数据作为电力市场大数据预处理模型联合特征输入，约束电力市场大数据预处理模型对电价变化的学习过程同时考虑成交结构因素；

38、当多市场耦合一致性系数soy＞多市场耦合一致性阈值smax时，表示现货市场电量占比为高异常，多市场协同状态不合格，存在系统调节能力不足或市场结构失衡的风险；触发第四预警指令，生成第四策略：对对应时间窗口内的现货市场数据生成结构失衡标识，抑制单一市场主导计算偏置；将结构失衡标识引入电力市场大数据预处理模型输入和样本权重控制过程中，限制电力市场大数据预处理模型在建模时对单一市场状态的过度依赖。

39、优选的，一种电力市场大数据智能预处理系统，包括：

40、市场多源数据采集模块，用于对电力现货市场交易平台、辅助服务市场管理系统及电力市场结算与规则发布系统的数据接口进行统一接入，在预设时间间隔内同步采集电力现货市场电价时间序列数据、现货市场成交电量时间序列数据、辅助服务市场电量数据、机制电价对应的电量数据及市场规则状态数据；

41、电力市场特征建模模块，用于构建并训练电力市场数据卷积神经网络模型，提取表征电价波动、规则一致性及多市场协同性的基础特征信息，并形成电力市场大数据预处理模型，输出针对性的修正、平滑、标记及协同策略，支持电力市场的后续市场建模、市场分析与仿真应用；

42、规则一致性评估模块，用于获取规则映射函数，结合电力现货市场电价时间序列数据，计算规则一致性匹配系数gyp，并与规则一致性匹配阈值gth进行对比，判断当前时间窗口内的电价数据与市场规则约束一致性是否合格，若不合格则给予第一策略；

43、电价语义稳定评估模块，用于获取电价序列的均值与标准差，计算获取电价波动语义稳定系数dbw，并与电价波动语义稳定阈值dth进行对比，判断当前电价波动语义稳定性是否合格，若不合格则给予第二策略；

44、多市场耦合评估模块，用于通过现货市场成交电量数据、辅助服务市场成交电量数据及机制电价对应的结算电量数据，计算获取多市场耦合一致性系数soy，并与多市场耦合一致性阈值区间进行对比，判断多市场协同状态是否合格，若不合格则给予第三策略和第四策略。

45、本发明提供了一种电力市场大数据智能预处理系统及方法。具备以下有益效果：

46、（1）该一种电力市场大数据智能预处理系统及方法，通过引入规则映射函数并构建规则一致性匹配系数gyp，对电价数据与市场规则约束之间的一致性进行量化评估，并在不合格时自动执行规则驱动的数据修正或剔除处理，有效消除规则失配导致的异常样本，从源头提升电力市场数据在市场建模和分析过程中的规则可信度与可解释性。

47、（2）该一种电力市场大数据智能预处理系统及方法，通过构建电价波动语义稳定系数dbw，对电价序列的统计稳定性进行定量判别，并针对高波动区段、低置信度时段及异常突变区段实施分段平滑、可信标记和扰动隔离处理，使进入后续分析与建模流程的数据更符合真实市场语义特征，从而显著降低噪声波动对模型学习结果的干扰。

48、（3）该一种电力市场大数据智能预处理系统及方法，通过多市场耦合一致性系数soy，对现货市场、辅助服务市场与机制电价之间的电量结构关系进行统一评估，并在结构异常时引入协同标记或结构失衡标识，将成交结构信息显式注入数据预处理与特征建模过程，避免单一市场主导偏置，提高市场建模对多市场联动特征的刻画能力。

49、（4）该一种电力市场大数据智能预处理系统及方法，通过规则一致性评估、电价语义稳定评估及多市场耦合评估三类系数的联动判定与策略调整，本发明在模型训练与应用之前完成对电力市场大数据的系统化修正、平滑与标记处理，最终输出结构一致、语义稳定、协同合理的高可信数据结果，为电力市场的市场建模、市场分析及仿真预测提供统一、可靠的数据基础。