金融输电权价格预测方法和装置与流程

1.本发明涉及电力金融衍生品价格预测技术领域，尤其涉及一种金融输电权价格预测方法和装置。


背景技术：

2.随着我国电力体制改革的深入和电力市场建设的推进，目前多地的电力现货市场已经基本建设完成。金融输电权作为一种重要的电力金融衍生品，已经在根据欧美成熟电力市场中得到广泛应用，其在结算时主要依据的是日前市场节点对之间的阻塞电价的价差，可以实现电力市场阻塞盈余的合理分配，帮助市场参与主体规避阻塞风险等。金融输电权的投资者可以大致分为两类，一类为对冲者，一类为投资者，对冲者需要配置一定的金融输电权规避自身的阻塞风险，而投资者希望通过金融输电权的交易获利。金融输电权的价格预测因而成为其拍卖和交易过程中的一个重要问题。
3.相关技术中，缺乏对金融输电权的价格进行预测的方法。


技术实现要素：

4.本发明实施例提供一种金融输电权价格预测方法和装置，旨在解决上述背景技术中存在的问题。为了解决上述技术问题，本发明是这样实现的：第一方面，本发明实施例提供了一种金融输电权价格预测方法，其特征在于，方法包括：获得目标节点对的历史电价数据，以及目标节点对的预估市场电力负荷数据；根据历史电价数据和预估市场电力负荷数据，构建预测输入特征；将预测输入特征，输入预先训练得到的电价预测模型，输出得到目标节点对在金融输电权持有期内的预测电价；获得电价预测误差的联合概率分布，并对联合概率分布进行采样，获得误差样本；将预测电价与误差样本叠加，确定目标节点对的电价场景；确定目标节点对的金融输电权类型，并根据电价场景，预测目标节点对在金融输电权持有期内的金融输电权价格。
5.可选地，目标节点对包括第一目标节点和第二目标节点，电价预测模型包括第一目标节点电价预测模型和第二目标节点电价预测模型，电价预测模型是通过以下步骤训练得到的：获取第一目标节点的样本历史电价数据和样本历史市场电力负荷数据以及第二目标节点的样本历史电价数据和样本历史市场电力负荷数据；将第一目标节点的样本历史电价数据和样本历史市场电力负荷数据，以及第二目标节点的样本历史电价数据和样本历史市场电力负荷数据，分别按照样本金融输电权持有期进行规整处理，得到第一目标节点的第一预测输入特征样本和第二目标节点的第二预测输入特征样本；
根据第一预测输入特征样本，对预设的第一随机森林模型进行训练，获得第一目标节点电价预测模型和第一目标节点电价预测模型的历史电价预测序列；根据第二预测输入特征样本，对预设的第二随机森林模型进行训练，获得第二目标节点电价预测模型和第二目标节点电价预测模型的历史电价预测序列。
6.可选地，获得电价预测误差的联合概率分布的步骤包括：根据第一目标节点电价预测模型的历史电价预测序列与第一目标节点的样本历史电价数据，计算第一目标节点的历史电价预测误差序列；根据第二目标节点电价预测模型的历史电价预测序列与第二目标节点的样本历史电价数据，计算第二目标节点的历史电价预测误差序列；基于多元高斯分布对第一目标节点的历史电价预测误差序列和第二目标节点的历史电价预测误差序列进行建模，获得电价预测误差的联合概率分布。
7.可选地，根据历史电价数据和预估市场电力负荷数据，构建预测输入特征的步骤包括：根据金融输电权持有期，将第一目标节点的历史电价数据和预估市场电力负荷数据进行规整处理，并构建第一预测输入特征；；式中，为第一预测输入特征，为经过规整处理后的第一目标节点的历史电价数据，为经过规整处理后的第一目标节点的预估市场电力负荷数据，为第一目标节点，为历史电价数据按照金融输电权持有期规整后的时段编号；根据金融输电权持有期，将第二目标节点的历史电价数据和预估市场电力负荷数据进行规整处理，并构建第二预测输入特征；；式中，为第二预测输入特征，为经过规整处理后的第二目标节点的历史电价数据，为经过规整处理后的第二目标节点的预估市场电力负荷数据，为第二目标节点，为历史电价数据按照金融输电权持有期规整后的时段编号。
8.可选地，将预测输入特征，输入预先训练得到的电价预测模型，输出得到目标节点对在金融输电权持有期内的预测电价的步骤包括：将第一预测输入特征输入第一目标节点电价预测模型，输出得到第一目标节点在金融输电权持有期内的预测电价；将第二预测输入特征输入第二目标节点电价预测模型，输出得到第二目标节点在金融输电权持有期内的预测电价。
9.可选地，对联合概率分布进行采样，获得误差样本的步骤包括：确定误差采样的采样次数；基于采样次数对联合概率分布进行采样，获得第一目标节点的误差样本和第二目标节点的误差样本。
10.可选地，将预测电价与误差样本叠加，确定目标节点对的电价场景的步骤包括：将第一目标节点的误差样本与第一目标节点在金融输电权持有期内的预测电价
叠加，确定第一目标节点的电价场景；；式中，为第一目标节点的电价场景，为第一目标节点在金融输电权持有期内的预测电价，为第一目标节点的误差样本，为采样次数；将第二目标节点的误差样本与第二目标节点在金融输电权持有期内的预测电价叠加，确定第二目标节点的电价场景；；式中，为第二目标节点的电价场景，为第二目标节点在金融输电权持有期内的预测电价，为第二目标节点的误差样本，为采样次数；根据第一目标节点的电价场景与第二目标节点的电价场景，确定目标节点对的电价场景。
11.可选地，金融输电权的类型包括义务型金融输电权和期权型金融输电权，确定目标节点对的金融输电权类型，并根据电价场景，预测目标节点对在金融输电权持有期内的金融输电权价格的步骤包括：若电价场景的义务型金融输电权，则目标节点对在金融输电权持有期内的金融输电权预测价格的计算公式为：；若电价场景的义务型金融输电权，则目标节点对在金融输电权持有期内的金融输电权预测价格的计算公式为：；式中，为金融输电权预测价格，为金融输电权的目标容量，为金融输电权持有期，为采样次数，为最大采样次数。
12.本发明实施例第二方面提出一种种植体安全区生成装置，装置包括：数据获取模块，用于获得目标节点对的历史电价数据，以及目标节点对的预估市场电力负荷数据；数据构建模块，用于根据历史电价数据和预估市场电力负荷数据，构建预测输入特征；电价预测模块，用于将预测输入特征，输入预先训练得到的电价预测模型，输出得到目标节点对在金融输电权持有期内的预测电价；采样模块，用于获得电价预测误差的联合概率分布，并对联合概率分布进行采样，获得误差样本；数据处理模块，用于将预测电价与误差样本叠加，确定目标节点对的电价场景；金融输电权预测模块，用于确定目标节点对的金融输电权类型，并根据电价场景，预测目标节点对在金融输电权持有期内的金融输电权价格。
13.可选地，电价预测模块包括：
第一电价预测子模块，用于将第一预测输入特征输入第一目标节点电价预测模型，输出得到第一目标节点在金融输电权持有期内的预测电价；第二电价预测子模块，用于将第二预测输入特征输入第二目标节点电价预测模型，输出得到第二目标节点在金融输电权持有期内的预测电价。
14.本发明实施例包括以下优点：获得目标节点对的历史电价数据，以及目标节点对的预估市场电力负荷数据，并根据历史电价数据和预估市场电力负荷数据，构建预测输入特征，将预测输入特征，输入预先训练得到的电价预测模型，输出得到目标节点对在金融输电权持有期内的预测电价，获得目标节点对的电价预测误差的联合概率分布，并对联合概率分布进行采样，获得误差样本，将预测电价与误差样本叠加，确定目标节点对的电价场景，确定目标节点对的金融输电权类型，并根据电价场景，预测目标节点对在金融输电权持有期内的金融输电权价格。本发明充分利用了市场负荷信息，并使用随机森林模型进行电价预测，可以取得较高精度。并且，使用多元高斯分布和场景采样法金融输电权的价格进行预测，能够对目标节点对的不同类型金融输电权价格进行预测，适用于不同的实际需求，基于预测的金融输电权价格，还能指导市场主体在金融输电权市场中的交易行为，有利于提高电力市场参与者的经济效益，因而具有重要的现实意义和良好的应用前景。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1是本发明实施例中一种金融输电权价格预测方法的步骤流程图；图2是本发明实施例中一种金融输电权价格预测装置的模块示意图。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.术语解释：1）随机森林回归模型训练技术：基于一定的历史数据，构建模型的输入特征和输出结果，通过训练和交叉验证获得一组较优的随机森林模型，用以拟合输入特征和输出之间的关系。
19.2）极大似然估计技术：该技术可以从历史观测值中估计潜在分布的参数，具体在本发明中，极大似然估计技术用以从电价点预测误差中估计多元高斯分布的参数，实现联合概率预测的建模。
20.相关技术中，存在对特定地区短期时间内电价的预测方法，但是缺乏对地区之间金融输电权的预测方法。
21.基于此，发明人提出了本发明的发明构思：以待预测的金融输电权地区之间中长
期的预测电价为依据，结合市场负荷信息，确定地区间金融输电权的预测价格。
22.在一种可行的实施方式中，首先，本发明的电价预测模型是通过以下步骤训练得到的：步骤s100-1：获取第一目标节点的样本历史电价数据和样本历史市场电力负荷数据以及第二目标节点的样本历史电价数据和样本历史市场电力负荷数据。
23.步骤s100-2：将第一目标节点的样本历史电价数据和样本历史市场电力负荷数据，以及第二目标节点的样本历史电价数据和样本历史市场电力负荷数据，分别按照样本金融输电权持有期进行规整处理，得到第一目标节点的第一预测输入特征样本和第二目标节点的第二预测输入特征样本。
24.步骤s100-3：根据第一预测输入特征样本，对预设的第一随机森林模型进行训练，获得第一目标节点电价预测模型和第一目标节点电价预测模型的历史电价预测序列；步骤s100-4：根据第二预测输入特征样本，对预设的第二随机森林模型进行训练，获得第二目标节点电价预测模型和第二目标节点电价预测模型的历史电价预测序列。
25.在步骤s100-1至s100-4的实施方式中，若要创建第一目标节点与第二目标节点的电价预测模型，需要获取第一目标节点和第二目标节点的样本历史电价数据和样本历史市场电力负荷数据，样本历史负荷数据本用表示。以样本金融输电权持有期等于为例，将样本历史电价数据和样本历史市场电力负荷数据样本按照样本金融输电权持有时长进行规整取平均值，并构建预测的输入特征样本。将历史电价数据样本和历史市场电力负荷数据样本按照天为一个单位进行规整平均处理，其处理过程如式1至式4所示，得到处理后的数据如下：（1）（2）（3）（4）对第一目标节点而言，其第个时段单位的输入特征用向量如式5所示：（5）即为第一预测输入特征样本。类似的，对第二目标节点而言，其第个时段单位的输入特征用向量如式6所示：（6）
即为第二预测输入特征样本。
26.作为示例的，设样本金融输电权的持有时间为x年6月，样本持有时长为，为一个月，当前时间为x年6月初，则应获取第一目标节点和第二目标节点对应的输入的历史电价数据，经过规整平均处理形成训练数据集，用于构建x年6月的第一目标节点和第二目标节点之间的金融输电权价格预测模型。该训练数据集包括多个历史时段单位的电价平均值和输入特征向量，例如，x年5月对应时段单位的输入特征向量包括了x年4月、3月、2月、1月和x-1年12月的电价平均值，即一共5个时段的历史电价数据，以及x年5月第一目标节点和第二目标节点的历史市场电力负荷数据；x年4月对应时段单位的输入特征向量包括了x年3月、2月、1月、x-1年12月和11月的电价平均值，以及x年4月第一目标节点和第二目标节点的历史市场电力负荷数据。在本发明中，不对选取的历史电价数据的数量进行限制，但是选取的历史电价数据的数量越多，在训练的时候作为样本的数据就会越多，通常会使得模型的精度更高。
27.使用规整后的第一目标节点样本历史电价数据和样本历史市场电力负荷数据对随机森林模型进行训练和交叉验证，得到第一目标节点电价预测模型以及基于第一目标节点电价预测模型预测的第一目标节点电价预测模型的历史电价预测序列。即各历史时段单位的第一目标节点的电价预测序列。同理，使用规整后的第二目标节点历史电价数据样本和历史市场电力负荷数据样本对随机森林模型进行训练和交叉验证，得到第二目标节点电价预测模型以及基于第二目标节点电价预测模型预测的第二目标节点电价预测模型的历史电价预测序列。即各历史时段单位的第二目标节点的电价预测序列。
28.在一种可行的实施方式中，获得电价预测误差的联合概率分布的步骤包括：根据第一目标节点电价预测模型的历史电价预测序列与第一目标节点的样本历史电价数据，计算第一目标节点的历史电价预测误差序列；根据第二目标节点电价预测模型的历史电价预测序列与第二目标节点的样本历史电价数据，计算第二目标节点的历史电价预测误差序列；基于多元高斯分布对第一目标节点的历史电价预测误差序列和第二目标节点的历史电价预测误差序列进行建模，获得电价预测误差的联合概率分布。
29.在本实施方式中，继续以上述实施例中的数据为例，当获取到第一目标节点电价预测模型的历史电价预测序列，将其与第一目标节点实际电价序列进行比较，例如，在获得第一目标节点电价预测模型预测的x年5月的第一目标节点的电价预测序列后，将其与x年5月的第一目标节点的实际电价序列进行比较。同理，当获取到第二目标节点电价预测模型的历史电价预测序列，将其与实际电价序列进行比较，例如，在获得第二目标节点电价预测模型预测的x年5月的第二目标节点的电价预测序列后，将其与x年5月的第二目标节点的实际电价序列进行比较。即将第一目标节点的电价预测序列和第二目标节点的电价预测序列分别与第一目标节点的电价真实序列和序列第二目标节点的电价真实序列作差，得到第一目标节点和第二目标节点的历史电价预测误差序列，其计算式7至式8所示：（7）（8）
使用多元高斯分布对两组误差序列的概率分布进行建模，使用极大似然法估计多元高斯分布的位置参数和协方差矩阵，即可以用多元高斯分布来表征误差的联合概率分布。
30.在训练好电价预测模型和确定误差的联合概率分布后，本发明实施例提供了一种金融输电权价格预测方法，参见图1，图1示出了本发明实施例一种金融输电权价格预测方法的步骤流程图，方法包括以下步骤：步骤s101：获得目标节点对的历史电价数据，以及目标节点对的预估市场电力负荷数据。
31.当用户根据其具体应用需求确定其需要预测的目标金融输电权时，即确定待预测节点对和后。金融输电权持有期是指对预测节点到节点的金融输电权进行预测时，用户持有的时长天数，也是需要对金融输电权进行价格预测的时长。预估电力负荷数据是指节点由相关电力部门发布的对每天各个时段电能的使用量预估数据，即负荷预测数据。设待预测的金融输电权为节点到节点、容量为mw（》0），金融输电权持有期为天（为整数，通常为30或90）。设可获取的历史电价数据共有天（假设是的整数倍），并假设每天为24个时段。以，
…
, 表示节点在历史第天各时段的电价,
…
,表示节点在历史第天各时段的电价，其中为天的编号，=1,
…
, 对应历史天数，= 1,
…
, 对应待预测的金融输电权持有期。负荷预测数据用表示。作为示例的，用户需要对四川到广东，容量为1000mw，金融输电权持有期为30天的金融输电权进行预测，则节点为四川，节点为广东，则获取四川在30天内每天每个小时段的电价数据以及广东在30天内每天每个小时段的电价数据，并获取四川和广东未来30天内的预估电力负荷数据。30天内的历史电价数据是指当前时间往前30天的电价数据，金融输电权持有期为30天是指当前时间往后30天，未来30天内的预估电力负荷数据是指当前时间往后30天的电力负荷数据。
32.步骤s102：根据历史电价数据和预估市场电力负荷数据，构建预测输入特征。
33.继续上述实施例中节点为四川，节点为广东为例。当获取到节点和节点各自的历史电价数据和预估市场电力负荷数据之后，由于其各种采用的时间单位并不相同，因此需要对其进行相应的数据处理，并基于处理后的数据构建节点和节点各自的预测输入特征。
34.步骤s103：将预测输入特征，输入预先训练得到的电价预测模型，输出得到目标节点对在金融输电权持有期内的预测电价。
35.在构建节点对的输入特征后，需要根据输入特征确定目标节点对在金融输电权持有期内的预测电价，因此将构建的预测输入特征输入到预先训练好的电价预测模型中，从而获得目标节点对在金融输电权持有期内的预测电价，该预测电价是一种中长期的预测电价。
36.步骤s104：获得电价预测误差的联合概率分布，并对联合概率分布进行采样，获得误差样本。
37.对电价预测误差的联合概率分布进行采样，从而得到多次采样的误差
样本。
38.步骤s105：将预测电价与误差样本叠加，确定目标节点对的电价场景。
39.步骤s106：确定目标节点对的金融输电权类型，并根据电价场景，预测目标节点对在金融输电权持有期内的金融输电权价格。
40.当确定目标节点对的金融输电权类型后，基于节点对电价场景，计算金融输电权价格预测结果。在本实施方式中，针对金融输电权价格预测问题，建立了基于随机森林和多元高斯分布的金融输电权价格预测方法，相比于现有方法，该方法充分利用了市场负荷信息，并使用随机森林模型进行电价预测，可以取得较高精度，此外，使用多元高斯分布和场景采样法对金融输电权的价格进行预测，能够解决不同类型金融输电权价格预测的现实问题，适用于不同的实际需求。应用本方法，能够对目标节点对的不同类型金融输电权价格进行预测，能指导市场主体在金融输电权市场中的交易行为，有利于提高电力市场参与者的经济效益，因而具有重要的现实意义和良好的应用前景。
41.在一种可行的实施方式中，根据历史电价数据和预估市场电力负荷数据，构建预测输入特征具体包括以下步骤：步骤s102-1：根据金融输电权持有期，将第一目标节点的历史电价数据和预估市场电力负荷数据进行规整处理，并构建第一预测输入特征；在本实施方式中，将第一目标节点的历史电价数据按照金融输电权持有期进行平均处理。其具体过程如式9所示；（9）式中，为经过规整处理后的第一目标节点的历史电价数据，为第一目标节点，为时段编号。为未经过规整处理的第一目标节点的历史电价数据，为天的编号，金融输电权持有期为，获取的第一目标节点的历史电价数据共有天。=1,2,
…
, ；。
42.将第一目标节点的预估市场电力负荷数据按照金融输电权持有期进行平均处理。其具体过程如式10所示；（10）式中，为经过规整处理后的第一目标节点的预估市场电力负荷数据，为第一目标节点，为时段编号。为未经过规整处理的第一目标节点的预估市场电力负荷数据，为天的编号，金融输电权持有期为，获取的第一目标节点的历史电价数据共有天。=1,2,
…
, ；。
43.当对第一目标节点的历史电价数据和预估市场电力负荷数据都进行规整处理后，即可构建时段为 1的如式11所示的第一预测输入特征。
44.（11）
式中，是时段为 1的第一预测输入特征，是经过规整处理后的时段为 1第一目标节点的历史电价数据，是经过规整处理后的时段为 1的第一目标节点的预估市场电力负荷数据，是时段为 1第一目标节点，为历史电价数据按照金融输电权持有期规整后的时段编号，即。
45.步骤s102-2：根据金融输电权持有期，将第二目标节点的历史电价数据和预估市场电力负荷数据进行规整处理，并构建第二预测输入特征。
46.本实施方式中，将第二目标节点的历史电价数据按照金融输电权持有期进行平均处理。其具体过程如式12所示；（12）式中，为经过规整处理后的第二目标节点的历史电价数据，为第二目标节点，为时段编号。为未经过规整处理的第二目标节点的历史电价数据，为天的编号，金融输电权持有期为，获取的第一目标节点的历史电价数据共有天。=1,2,
…
, ；。
47.将第二目标节点的预估市场电力负荷数据按照金融输电权持有期进行平均处理。其具体过程如式13所示；（13）式中，为经过规整处理后的第二目标节点的预估市场电力负荷数据，为第二目标节点，为时段编号。为未经过规整处理的第二目标节点的预估市场电力负荷数据，为天的编号，金融输电权持有期为，获取的第一目标节点的历史电价数据共有天。=1,2,
…
, ；。
48.当对第二目标节点的历史电价数据和预估市场电力负荷数据都进行规整处理后，即可构建时段为 1的如式14所示的第二预测输入特征。
49.（14）式中，为第二预测输入特征，为经过规整处理后的时段为 1第二目标节点的历史电价数据，为经过规整处理后的时段为 1的第二目标节点的预估市场电力负荷数据，为时段为第二目标节点，为历史电价数据按照金融输电权持有期规整后的时段编号，即。
50.在一种可行的实施方式中，将预测输入特征，输入预先训练得到的电价预测模型，输出得到目标节点对在金融输电权持有期内的预测电价具体包括以下步骤：步骤s103-1：将第一预测输入特征输入第一目标节点电价预测模型，输出得到第
一目标节点在金融输电权持有期内的预测电价；步骤s103-2：将第二预测输入特征输入第二目标节点电价预测模型，输出得到第二目标节点在金融输电权持有期内的预测电价。
51.在步骤s103-1至s103-2的实施方式中，将第一预测输入特征与第二预测输入特征分别输入到预先训练好的第一目标节点电价预测模型和第二目标节点电价预测模型中，获得第一目标节点在金融输电权持有期内的预测电价和第二目标节点在金融输电权持有期内的预测电价。
52.在一种可行的实施方式中，对联合概率分布进行采样，获得误差样本的步骤包括：步骤s104-1：确定误差采样的采样次数；步骤s104-2：基于采样次数对联合概率分布进行采样，获得第一目标节点的误差样本和第二目标节点的误差样本。
53.在步骤s104-1至s104-2的实施方式中，获取误差采样的最大采样次数，误差采样的采样次数越大，则对于误差的采样的精度越高，在实施方式中，取=1000，则进行1000次误差采样，对电价预测误差的联合概率分布进行采样，得到=1000组误差样本，记作。为第一目标节点的误差样本，为第二目标节点的误差样本。
54.在一种可行的实施方式中，将预测电价与误差样本叠加，确定目标节点对的电价场景具体包括以下步骤：步骤s105-1：将第一目标节点的误差样本与第一目标节点在金融输电权持有期内的预测电价叠加，确定第一目标节点的电价场景。
55.步骤s105-2：将第二目标节点的误差样本与第二目标节点在金融输电权持有期内的预测电价叠加，确定第二目标节点的电价场景。
56.步骤s105-3：根据第一目标节点的电价场景与第二目标节点的电价场景，确定目标节点对的电价场景。
57.在步骤s105-1至s105-3的实施方式中，将第一目标节点在金融输电权持有期内的预测电价和第二目标节点在金融输电权持有期内的预测电价和误差样本叠加，得到节点对电价场景，其计算过程如下式15至16所示：（15）（16）式中，为第一目标节点的电价场景，为第一目标节点在金融输电权持有期内的预测电价，为第一目标节点的误差样本。为第二目标节点的电价场景，为第二目标节点在金融输电权持有期内的预测电价，为第二目标节点的误差样本。则为节点对电价场景，=1,2,
…
,。
58.在一种可行的实施方式中，确定目标节点对的金融输电权类型，并根据电价场景，
预测目标节点对在金融输电权持有期内的金融输电权预测价格具体包括步骤：步骤s106-1：其若电价场景的义务型金融输电权，则目标节点对在金融输电权持有期内的金融输电权预测价格的计算公式为：（17）步骤s106-2：若电价场景的义务型金融输电权，则目标节点对在金融输电权持有期内的金融输电权预测价格的计算公式为：（18）在步骤s106-1至s106-2的实施方式中，金融输电权类型为金融输电权的基本属性，分为义务型金融输电权和期权型金融输电权。式中，为金融输电权预测价格，为采样次数，为最大采样次数。为金融输电权的目标容量，为金融输电权持有期。
59.本发明实施例还提供了一种金融输电权价格预测装置，参照图2，示出了本发明一种金融输电权价格预测装置的功能模块图，该装置可以包括以下模块：数据获取模块201，用于获得目标节点对的历史电价数据，以及目标节点对的预估市场电力负荷数据；数据构建模块202，用于根据历史电价数据和预估市场电力负荷数据，构建预测输入特征；电价预测模块203，用于将预测输入特征，输入预先训练得到的电价预测模型，输出得到目标节点对在金融输电权持有期内的预测电价；采样模块204，用于获得电价预测误差的联合概率分布，并对联合概率分布进行采样，获得误差样本；数据处理模块205，用于将预测电价与误差样本叠加，确定目标节点对的电价场景；金融输电权预测模块206，用于确定目标节点对的金融输电权类型，并根据电价场景，预测目标节点对在金融输电权持有期内的金融输电权价格。
60.在一种可行的实施方式中，数据构建模块202包括：第一构建子模块，用于根据金融输电权持有期，将第一目标节点的历史电价数据和预估市场电力负荷数据进行规整处理，并构建第一预测输入特征；；式中，为第一预测输入特征，为经过规整处理后的第一目标节点的历史电价数据，为经过规整处理后的第一目标节点的预估市场电力负荷数据，为第一目标节点，为历史电价数据按照金融输电权持有期规整后的时段编号；第二构建子模块，用于根据金融输电权持有期，将第二目标节点的历史电价数据和预估市场电力负荷数据进行规整处理，并构建第二预测输入特征；；
式中，为第二预测输入特征，为经过规整处理后的第二目标节点的历史电价数据，为经过规整处理后的第二目标节点的预估市场电力负荷数据，为第二目标节点，为历史电价数据按照金融输电权持有期规整后的时段编号。
61.在一种可行的实施方式中，电价预测模块203包括：第一电价预测子模块，用于将第一预测输入特征输入第一目标节点电价预测模型，输出得到第一目标节点在金融输电权持有期内的预测电价；第二电价预测子模块，用于将第二预测输入特征输入第二目标节点电价预测模型，输出得到第二目标节点在金融输电权持有期内的预测电价。
62.在一种可行的实施方式中，采样模块204包括：确定子模块，用于确定误差采样的采样次数；采样子模块，用于基于采样次数对电价预测误差的联合概率分布进行采样，获得第一目标节点的误差样本和第二目标节点的误差样本。
63.在一种可行的实施方式中，数据处理模块205包括：第一计算子模块，用于将第一目标节点的误差样本与第一目标节点在金融输电权持有期内的预测电价叠加，确定第一目标节点的电价场景；；式中，为第一目标节点的电价场景，为第一目标节点在金融输电权持有期内的预测电价，为第一目标节点的误差样本，为采样次数；第二计算子模块，用于将第二目标节点的误差样本与第二目标节点在金融输电权持有期内的预测电价叠加，确定第二目标节点的电价场景；；式中，为第二目标节点的电价场景，为第二目标节点在金融输电权持有期内的预测电价，为第二目标节点的误差样本，为采样次数；第三计算子模块，用于根据第一目标节点的电价场景与第二目标节点的电价场景，确定目标节点对的电价场景。
64.在一种可行的实施方式中，金融输电权预测模块206包括：第一预测子模块，用于若电价场景的义务型金融输电权，则目标节点对在金融输电权持有期内的金融输电权预测价格的计算公式为：；第二预测子模块，用于若电价场景的义务型金融输电权，则目标节点对在金融输电权持有期内的金融输电权预测价格的计算公式为：；
式中，为金融输电权预测价格，为金融输电权的目标容量，为金融输电权持有期，为采样次数，为最大采样次数。
65.本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
66.本发明实施例是参照根据本发明实施例的方法、终端设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
67.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
68.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
69.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。“和/或”表示可以选择两者之中的任意一个，也可以两者都选择。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
70.以上对本发明所提供的一金融输电权价格预测方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。