电力市场新能源日前交易决策方法和装置与流程

1.本技术涉及电场电力交易辅助决策技术领域，尤其涉及电力市场新能源日前交易决策方法方法和装置。


背景技术：

2.在电力现货市场场景下，新能源发电企业参与电力现货交易，按照目前市场规则要求，需要进行日前申报。日前申报方案为96点的功率曲线。所以，如何制定合理有效的日前申报方案，实现收益最大化，是一个急需解决的核心问题。
3.目前，多数新能源发电企业的日前申报方式主要有三种：第一种是直接使用风功率预测系统的原始功率预测数据作为市场申报方案；第二种是使用人工方式对原始功率预测数据进行调整，形成市场申报方案；第三种是借助软件系统，生成市场申报方案。但是，第一种方式完全依赖原始功率预测数据，未综合考虑中长期合约情况、市场供需情况、市场考核规则等各种因素，再加上功率预测结果普遍偏差较大，结算中大概率产生考核费用。第二种方式，虽然对原始功率预测数据进行了一定调整，但调整操作过度依赖个人的能力和经验，没有明确的量化处理中间过程，实际产生的市场申报方案中部分因素带有人为随机性，并且工作效率低下。第三种方式，虽然借助了信息化手段，但通常基于历史交易数据，采用统计分析方法进行价格趋势分析，并对短期功率预测数据与实发功率数据进行误差分析，将误差结果作为短期功率调整的依据，来生成市场申报方案，此种方式采用常规的数理统计方法，逻辑简单，考虑因素不全面，缺乏对全量数据的深度分析与挖掘，导致生成的市场申报方案全面性不足，难以最大化地降低损失、增加收益。


技术实现要素：

4.本技术旨在至少在一定程度上解决相关技术中的技术问题之一。
5.为此，本技术的第一个目的在于提出一种电力市场新能源日前交易决策方法方法，解决了现有方法的考虑因素不全面，缺乏对全量数据的深度分析与挖掘，导致生成的市场申报方案全面性不足，难以最大化地降低超额获利回收损失损、增加收益的技术问题，实现了综合考虑市场规则信息、中长期交易信息、电价预测信息、功率预测信息等因素，以降低超额获利回收损失为目标，将日前申报问题进行量化处理，客观性更强，考虑因素更全面。
6.本技术的第二个目的在于提出一种电力市场新能源日前交易决策方法装置。
7.本技术的第三个目的在于提出一种计算机设备。
8.本技术的第四个目的在于提出一种非临时性计算机可读存储介质。
9.为达上述目的，本技术第一方面实施例提出了一种电力市场新能源日前交易决策方法方法，包括：获取待处理数据，其中，待处理数据包括历史数据、合约数据和市场环境信息，历史数据包括综合历史交易价格数据；
10.基于历史数据对电力市场新能源交易价格进行预测，得到预测数据；
11.构造超额获利回收损失目标函数及约束条件，并根据预测数据、合约数据和市场环境信息，以超额获利回收损失目标函数为求解目标，基于约束条件进行求解，得到最优日前申报方案，
12.其中，超额获利回收损失目标函数表示为：
[0013][0014]
其中，j
11，t
表示偏差回收损失，j
12，t
表示t时刻实发电量高于现货日前电量所允许的偏差上限的偏差回收损失。
[0015]
本技术实施例的电力市场新能源日前交易决策方法方法，通过将中长期交易与日前交易有机结合，综合考虑了市场规则信息、中长期交易信息、电价预测信息、功率预测信息等因素，以降低超额获利回收损失为目标，将日前申报问题进行量化处理，构建日前申报辅助决策模型，形成日前申报方案，本技术通过将日前申报问题进行量化处理，使得生成的申报方案客观性更强，考虑因素更全面。
[0016]
可选地，在本技术的一个实施例中，历史数据还包括系统负载率曲线，基于历史数据对电力市场新能源交易价格进行预测，得到预测数据，包括：
[0017]
基于综合历史交易价格数据和系统负载率曲线构建特征工程，提取关键特征；
[0018]
基于关键特征对预设时间段内的日前价格和实时价格进行预测，以获取预测数据，
[0019]
获取待处理数据之后，还包括：
[0020]
对合约数据进行分类、聚合处理，得到处理后的合约数据。
[0021]
可选地，在本技术的一个实施例中，约束条件包括超额获利回收损失约束，超额获利回收损失约束表示为：
[0022]
若实发电量低于现货日前电量所允许的偏差下限，则偏差回收损失表示为：
[0023]j11,t
＝max(q_riqian
t-(1 λ)
×
q_shishi
t
,0)
×
max(pzr
t-p_shishi
t
,0)
[0024]
其中，q_riqian
t
表示t时刻的现货日前电量，λ表示超额获利回收比例，pzr
t
表示t时刻的标杆电价和日前电价的加权电价，q_shishi
t
表示t时刻的现货实时电量，p_shishi
t
表示t时刻的现货实时电价，
[0025]
若实发电量低于现货日前电量所允许的偏差下限，则偏差回收损失表示为：
[0026]j11,t
＝max(q_riqian
t-(1 λ)
×
q_shishi
t
,0)
×
max(pzr
t-p_shishi
t
,0)
[0027]
其中，q_riqian
t
表示t时刻的现货日前电量，λ表示超额获利回收比例，pzr
t
表示t时刻的标杆电价和日前电价的加权电价，q_shishi
t
表示t时刻的现货实时电量，p_shishi
t
表示t时刻的现货实时电价。
[0028]
可选地，在本技术的一个实施例中，根据预测数据、合约数据和市场环境信息，以超额获利回收损失目标函数为求解目标，基于约束条件进行求解，得到最优日前申报方案，包括：
[0029]
根据合约数据中包含的中长期合约历史数据、市场披露数据、功率预测数据以及预测数据，以超额获利回收损失目标函数为求解目标，以构建的约束条件作为限制，采用蚁群算法进行求解，得到最优日前申报方案。
[0030]
为达上述目的，本发明第二方面实施例提出了一种电力市场新能源日前交易决策
方法装置，包括获取模块、预测模块、方案生成模块，其中，
[0031]
获取模块，用于获取待处理数据，其中，待处理数据包括历史数据、合约数据和市场环境信息，历史数据包括综合历史交易价格数据；
[0032]
预测模块，用于基于历史数据对电力市场新能源交易价格进行预测，得到预测数据；
[0033]
方案生成模块，用于构造超额获利回收损失目标函数及约束条件，并根据预测数据、合约数据和市场环境信息，以超额获利回收损失目标函数为求解目标，基于约束条件进行求解，得到最优日前申报方案，
[0034]
其中，超额获利回收损失目标函数表示为：
[0035][0036]
其中，j
11，t
表示偏差回收损失，j
12，t
表示t时刻实发电量高于现货日前电量所允许的偏差上限的偏差回收损失。
[0037]
可选地，在本技术的一个实施例中，历史数据还包括系统负载率曲线，预测模块，具体用于：
[0038]
基于综合历史交易价格数据和系统负载率曲线构建特征工程，提取关键特征；
[0039]
基于关键特征对预设时间段内的日前价格和实时价格进行预测，以获取预测数据，
[0040]
获取待处理数据之后，还包括：
[0041]
对合约数据进行分类、聚合处理，得到处理后的合约数据。
[0042]
可选地，在本技术的一个实施例中，约束条件包括超额获利回收损失约束，超额获利回收损失约束表示为：
[0043]
若实发电量低于现货日前电量所允许的偏差下限，则偏差回收损失表示为：
[0044]j11,t
＝max(q_riqian
t-(1 λ)
×
q_shishi
t
,0)
×
max(pzr
t-p_shishi
t
,0)
[0045]
其中，q_riqian
t
表示t时刻的现货日前电量，λ表示超额获利回收比例，pzr
t
表示t时刻的标杆电价和日前电价的加权电价，q_shishi
t
表示t时刻的现货实时电量，p_shishi
t
表示t时刻的现货实时电价，
[0046]
若实发电量低于现货日前电量所允许的偏差下限，则偏差回收损失表示为：
[0047]j11,t
＝max(q_riqian
t-(1 λ)
×
q_shishi
t
,0)
×
max(pzr
t-p_shishi
t
,0)
[0048]
其中，q_riqian
t
表示t时刻的现货日前电量，λ表示超额获利回收比例，pzr
t
表示t时刻的标杆电价和日前电价的加权电价，q_shishi
t
表示t时刻的现货实时电量，p_shishi
t
表示t时刻的现货实时电价。
[0049]
可选地，在本技术的一个实施例中，根据预测数据、合约数据和市场环境信息，以超额获利回收损失目标函数为求解目标，基于约束条件进行求解，得到最优日前申报方案，包括：
[0050]
根据合约数据中包含的中长期合约历史数据、市场披露数据、功率预测数据以及预测数据，以超额获利回收损失目标函数为求解目标，以构建的约束条件作为限制，采用蚁群算法进行求解，得到最优日前申报方案。
[0051]
为达上述目的，本发明第三方面实施例提出了一种装置计算机设备，包括存储器、
处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述电力市场新能源日前交易决策方法方法。
[0052]
为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，能够执行上述电力市场新能源日前交易决策方法方法。
[0053]
本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0054]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0055]
图1为本技术实施例一所提供的一种电力市场新能源日前交易决策方法方法的流程示意图；
[0056]
图2为本技术实施例提供的一种电力市场新能源日前交易决策方法装置的结构示意图。
具体实施方式
[0057]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0058]
下面参考附图描述本技术实施例的电力市场新能源日前交易决策方法方法和装置。
[0059]
图1为本技术实施例一所提供的一种电力市场新能源日前交易决策方法方法的流程示意图。
[0060]
如图1所示，该电力市场新能源日前交易决策方法方法包括以下步骤：
[0061]
步骤101，获取待处理数据，其中，待处理数据包括历史数据、合约数据和市场环境信息，历史数据包括综合历史交易价格数据；
[0062]
步骤102，基于历史数据对电力市场新能源交易价格进行预测，得到预测数据；
[0063]
步骤103，构造超额获利回收损失目标函数及约束条件，并根据预测数据、合约数据和市场环境信息，以超额获利回收损失目标函数为求解目标，基于约束条件进行求解，得到最优日前申报方案。
[0064]
其中，超额获利回收损失目标函数，表示为：
[0065][0066]
其中，j
11，t
表示偏差回收损失，j
12，t
表示t时刻实发电量高于现货日前电量所允许的偏差上限的偏差回收损失。
[0067]
本技术实施例的电力市场新能源日前交易决策方法方法，通过将中长期交易与日前交易有机结合，综合考虑了市场规则信息、中长期交易信息、电价预测信息、功率预测信息等因素，以降低超额获利回收损失为目标，将日前申报问题进行量化处理，构建日前申报
辅助决策模型，形成日前申报方案，本技术通过将日前申报问题进行量化处理，使得生成的申报方案客观性更强，考虑因素更全面。
[0068]
可选地，在本技术的一个实施例中，历史数据还包括系统负载率曲线，基于历史数据对电力市场新能源交易价格进行预测，得到预测数据，包括：
[0069]
基于综合历史交易价格数据和系统负载率曲线构建特征工程，提取关键特征；
[0070]
基于关键特征对预设时间段内的日前价格和实时价格进行预测，以获取预测数据，
[0071]
获取待处理数据之后，还包括：
[0072]
对合约数据进行分类、聚合处理，得到处理后的合约数据。
[0073]
可选地，在本技术的一个实施例中，约束条件包括超额获利回收损失约束，超额获利回收损失约束表示为：
[0074]
若q_riqian
t
》(1 λ)
×
q_shishi
t
，即实发电量q_shishi
t
低于日前出清电量q_riqian
t
所允许的偏差下限，则偏差回收损失为：
[0075]j11,t
＝max(q_riqian
t-(1 λ)
×
q_shishi
t
,0)
×
max(pzr
t-p_shishi
t
,0)
[0076]
其中，q-riqian
t
表示t时刻的现货日前电量，λ表示超额获利回收比例，pzr
t
表示t时刻的标杆电价和日前电价的加权电价，q-shishi
t
表示t时刻的现货实时电量，p-shishi
t
表示t时刻的现货实时电价，
[0077]
若q_riqian
t
《(1-λ)
×
q_shishi
t
，即实发电量q_shishi
t
高于日前出清电量q_riqian
t
所允许的偏差上限，则偏差回收损失为：
[0078]j11,t
＝max(q_riqian
t-(1 λ)
×
q_shishi
t
,0)
×
max(pzr
t-p_shishi
t
,0)
[0079]
其中，q_riqian
t
表示t时刻的现货日前电量，λ表示超额获利回收比例，pzr
t
表示t时刻的标杆电价和日前电价的加权电价，q_shishi
t
表示t时刻的现货实时电量，p_shishi
t
表示t时刻的现货实时电价。
[0080]
可选地，在本技术的一个实施例中，确定超额获利回收损失目标函数和约束方程后，根据风电场的已有的中长期合约历史数据、市场披露数据、功率预测数据以及通过价格预测模型所得到的日前价格、实时价格预测数据等数据，采用一种先进的仿生智能优化算法
‑‑‑
蚁群优化算法，在电力市场日前交易申报过程中，将申报风险与收益进行动态平衡，以日前申报中应考虑的因素为约束条件，最终采用蚁群算法得到最优日前申报方案。
[0081]
为了实现上述实施例，本技术还提出一种电力市场新能源日前交易决策方法装置。
[0082]
图2为本技术实施例提供的一种电力市场新能源日前交易决策方法装置的结构示意图。
[0083]
如图2所示，该电力市场新能源日前交易决策方法装置包括：获取模块、预测模块、方案生成模块，其中，
[0084]
获取模块，用于获取待处理数据，其中，待处理数据包括历史数据、合约数据和市场环境信息，历史数据包括综合历史交易价格数据；
[0085]
预测模块，用于基于历史数据对电力市场新能源交易价格进行预测，得到预测数据；
[0086]
方案生成模块，用于构造超额获利回收损失目标函数及约束条件，并根据预测数
据、合约数据和市场环境信息，以超额获利回收损失目标函数为求解目标，基于约束条件进行求解，得到最优日前申报方案，
[0087]
其中，超额获利回收损失目标函数表示为：
[0088][0089]
其中，j
11，t
表示偏差回收损失，j
12，t
表示t时刻实发电量高于现货日前电量所允许的偏差上限的偏差回收损失。
[0090]
可选地，在本技术的一个实施例中，历史数据还包括系统负载率曲线，预测模块，具体用于：
[0091]
基于综合历史交易价格数据和系统负载率曲线构建特征工程，提取关键特征；
[0092]
基于关键特征对预设时间段内的日前价格和实时价格进行预测，以获取预测数据，
[0093]
获取待处理数据之后，还包括：
[0094]
对合约数据进行分类、聚合处理，得到处理后的合约数据。
[0095]
可选地，在本技术的一个实施例中，约束条件包括超额获利回收损失约束，超额获利回收损失约束表示为：
[0096]
若实发电量低于现货日前电量所允许的偏差下限，则偏差回收损失表示为：
[0097]j11,t
＝max(q_riqian
t-(1 λ)
×
q_shishi
t
,0)
×
max(pzr
t-p_shishi
t
,0)
[0098]
其中，q_riqian
t
表示t时刻的现货日前电量，λ表示超额获利回收比例，pzr
t
表示t时刻的标杆电价和日前电价的加权电价，q_shishi
t
表示t时刻的现货实时电量，p_shishi
t
表示t时刻的现货实时电价，
[0099]
若实发电量低于现货日前电量所允许的偏差下限，则偏差回收损失表示为：
[0100]j11,t
＝max(q_riqian
t-(1 λ)
×
q_shishi
t
,0)
×
max(pzr
t-p_shishi
t
,0)
[0101]
其中，q_riqian
t
表示t时刻的现货日前电量，λ表示超额获利回收比例，pzr
t
表示t时刻的标杆电价和日前电价的加权电价，q_shishi
t
表示t时刻的现货实时电量，p_shishi
t
表示t时刻的现货实时电价。
[0102]
可选地，在本技术的一个实施例中，根据预测数据、合约数据和市场环境信息，以超额获利回收损失目标函数为求解目标，基于约束条件进行求解，得到最优日前申报方案，包括：
[0103]
根据合约数据中包含的中长期合约历史数据、市场披露数据、功率预测数据以及预测数据，以超额获利回收损失目标函数为求解目标，以构建的约束条件作为限制，采用蚁群算法进行求解，得到最优日前申报方案。
[0104]
需要说明的是，前述对电力市场新能源日前交易决策方法方法实施例的解释说明也适用于该实施例的电力市场新能源日前交易决策方法装置，此处不再赘述。
[0105]
为了实现上述实施例，本发明还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述施例所述的方法。
[0106]
为了实现上述实施例，本发明还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例的方法。
[0107]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0108]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0109]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0110]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0111]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0112]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0113]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模
块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0114]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。