电力交易多智能体协作与经验自进化方法及系统与流程

摘要: 本申请涉及人工智能与多智能体协同控制,特别涉及一种电力交易多智能体协作与经验自进化方法及系统。背景技术:1、在电力交易市场中,交易主体每日需完成数据检查、负荷与...
电力交易多智能体协作与经验自进化方法及系统与流程

本申请涉及人工智能与多智能体协同控制,特别涉及一种电力交易多智能体协作与经验自进化方法及系统。

背景技术:

1、在电力交易市场中,交易主体每日需完成数据检查、负荷与新能源出力预测、日前价格预测、交易申报、会商讨论、复盘总结等一系列固定流程。交易决策依赖于多源异构数据的综合分析,且交易员的经验积累和复盘结论对后续交易策略具有持续影响。随着市场环境动态变化,系统需要具备在不依赖人工干预的情况下,从自身运行结果中自动学习、自动修正、自动升级的能力,即实现系统的自进化。

2、目前,现有电力交易辅助决策系统通常采用静态规则或固定模型进行预测和决策,其知识体系在部署后基本固化。部分系统引入了机器学习模型,可通过定期离线训练进行模型更新,但更新周期较长,且无法将每次交易后的复盘结论实时转化为可执行的策略改进。多智能体系统中的经验共享机制多为单向的知识库查询,智能体无法根据自身历史表现和复盘结果动态调整行为模式,系统整体的自适应能力和持续进化能力较弱。

3、然而,上述现有技术存在以下缺陷:第一,系统缺乏自进化机制,无法将每次交易后的复盘结论自动转化为可复用的结构化经验,经验积累依赖人工总结和录入,进化速度慢且成本高。第二,经验更新缺少质量控制闭环,无法区分高质量经验和低质量噪音,错误经验一旦进入系统将污染后续所有决策,导致系统性能退化而非进化。第三,智能体的行为模式固化,无法根据历史预测误差和交易结果的反馈自动调整自身的推理策略和决策权重,系统不具备从失败中学习和自我修复的能力,难以适应快速变化的市场环境。

技术实现思路

1、本申请实施例提供了一种电力交易多智能体协作与经验自进化方法及系统。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。

2、第一方面,本申请实施例提供了一种电力交易多智能体协作与经验自进化方法,方法包括:

3、响应于交易日启动信号,从预构建的世界模型中,加载最新版本的稳定经验数据;根据稳定经验数据,初始化各智能体的行为参数,并将稳定经验数据中的语义经验注入各智能体的上下文窗口,得到当前各目标智能体;预构建的世界模型用于存储和管理电力交易全生命周期中的结构化信息;

4、按照预设的交易日时间线,驱动当前各目标智能体执行协作任务,并在执行过程中采集运行数据;

5、回收真实市场数据,将运行数据中的预测值与真实市场数据进行对齐评测,生成评测结果;

6、根据评测结果进行复盘归因,识别进化机会并生成候选经验;

7、对候选经验执行受控的质量预检和审核,将审核通过的候选经验发布为新版本稳定经验,存入世界模型;并继续执行响应于交易日启动信号的步骤,以实现经验自进化。

8、第二方面,本申请实施例提供了一种电力交易多智能体协作与经验自进化系统,系统包括:

9、加载模块,用于响应于交易日启动信号,从预构建的世界模型中,加载最新版本的稳定经验数据;根据稳定经验数据,初始化各智能体的行为参数,并将稳定经验数据中的语义经验注入各智能体的上下文窗口,得到当前各目标智能体;预构建的世界模型用于存储和管理电力交易全生命周期中的结构化信息;

10、驱动模块,用于按照预设的交易日时间线,驱动当前各目标智能体执行协作任务,并在执行过程中采集运行数据;

11、评测模块,用于回收真实市场数据,将运行数据中的预测值与真实市场数据进行对齐评测,生成评测结果;

12、识别模块,用于根据评测结果进行复盘归因,识别进化机会并生成候选经验;

13、自进化模块,用于对候选经验执行受控的质量预检和审核,将审核通过的候选经验发布为新版本稳定经验,存入世界模型;并继续执行响应于交易日启动信号的步骤,以实现经验自进化。

14、本申请实施例提供的技术方案可以包括以下有益效果:

15、在本申请实施例中,一方面,本申请根据评测结果进行复盘归因,识别进化机会并生成候选经验,对候选经验执行受控的质量预检和审核,将审核通过的候选经验发布为新版本稳定经验,存入世界模型;并继续执行响应于交易日启动信号的步骤,实现了从评测结果到候选经验、再到受控审核发布、最终在下一次交易日被加载应用的完整闭环。该闭环使得每一次交易后的复盘结论能够自动转化为结构化的稳定经验,无需人工总结和录入,显著加快了经验积累速度,降低了人力成本,并使系统具备了持续自进化的能力。

16、另一方面,本申请设置了受控的质量预检和审核,可实现对候选经验执行完整性检查、逻辑一致性校验以及与已有稳定经验的冲突检测等质量预检,并通过管理员审核进行批准、拒绝或合并操作。只有通过预检和审核的候选经验才会被发布为新版本稳定经验,从而有效滤除内容过薄、格式异常、业务依据不足或与已有经验重复的低质量噪音,杜绝了错误经验进入系统并污染后续决策的可能性,保证了系统自进化过程的稳定性和可靠性。

17、另一方面,本申请在每一个交易日启动时,均从世界模型中加载最新版本的稳定经验数据;根据稳定经验数据,初始化各智能体的行为参数,并将稳定经验数据中的语义经验注入各智能体的上下文窗口。使得智能体的预测权重、决策阈值、风险偏好系数等行为参数以及推理时所参考的语义经验,均会随着稳定经验版本的迭代而自动更新。当系统通过复盘归因发现偏差并发布了新的稳定经验后,下一交易日智能体便会自动加载并应用这些经验,从而根据历史预测误差和交易结果的反馈动态调整自身的推理策略和决策权重,实现了从失败中学习和自我修复的能力,使系统能够自适应快速变化的市场环境。

18、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。

1.一种电力交易多智能体协作与经验自进化方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,按照以下步骤生成预构建的世界模型,包括:

3.根据权利要求1所述的方法,其特征在于,所述根据所述稳定经验数据,初始化各智能体的行为参数,包括:

4.根据权利要求1所述的方法,其特征在于,所述将所述稳定经验数据中的语义经验注入各智能体的上下文窗口,包括:

5.根据权利要求1所述的方法,其特征在于,所述回收真实市场数据,包括:

6.根据权利要求1所述的方法,其特征在于,所述将所述运行数据中的预测值与所述真实市场数据进行对齐评测,生成评测结果,包括:

7.根据权利要求1所述的方法,其特征在于,所述根据所述评测结果进行复盘归因,识别进化机会并生成候选经验,包括:

8.根据权利要求7所述的方法,其特征在于,所述根据所述偏差分布信息,定位偏差超过预设偏差阈值的异常时段和异常预测类型,包括:

9.根据权利要求7所述的方法,其特征在于,所述根据归类得到的偏差原因,生成对应的进化机会记录,包括:

10.一种电力交易多智能体协作与经验自进化系统,其特征在于,所述系统包括: