基于市场供需和区域气象预测的日前交易策略方法及系统技术方案

本发明专利技术提出基于市场供需和区域气象预测的日前交易策略的方法及系统，获取区域预测气象数据和场站预测气象数据，获取市场供需预测数据、以及历史电力交易数据；并进行数据预处理；将上述预处理的数据采用深度学习中的多任务学习方法进行建模，获得对电力交易市场预判的预测模型；输入D日的区域预测气象数据、场站预测气象数据、市场供需预测数据，通过预测模型预测出D日的电力交易的市场预判信息；将历史中长期均价、电场装机容量、场站的短期预测，以及市场预判信息带入到最优化模型中，求解出日前96点电力申报以及预期策略收益。本发明专利技术能够适应多个任务的场景，可以充分利用各任务间的强相关性，提高预测准确率，大大增强模型的泛化能力。

【技术实现步骤摘要】
基于市场供需和区域气象预测的日前交易策略方法及系统
本专利技术属于电力交易领域，特别涉及到一种基于市场供需和区域气象预测的日前交易策略方法及系统。
技术介绍
由于新能源，尤其是风电的波动性和随机性，如何设计交易策略，使得新能源发电企业在合理完成中长期计划的同时，在现货交易中合理套利，实现收益最大化是各新能源发电企业的难题。通过对未来出清情况的预判，制定相应的日前交易策略，通过合理报量能够使新能源发电企业在电力现货交易中提高电力现货交易的收益，同时减少风险。现有技术的缺点及不足如下：1)没有将区域的风光资源预测与调度下发的现货市场信息紧密结合起来对未来出清情况进行准确预判；2)电力交易试运行的时间较短，有效样本量少导致的数据稀疏问题，增加了建模准确性的难度；3)对电力交易收益组成及相互关系分析不足，未能整体考虑各收益的相对关系；4）现有模型缺少断面拓扑图、超短期负荷情况等及时性信息，增加了交易收益估算的不确定性。
技术实现思路
本专利技术提出一种基于市场供需和区域气象预测的日前交易策略方法及系统，能够适应多个任务的场景，可以充分利用各任务间的强相关性，提高预测准确率，大大增强模型的泛化能力。为达到上述目的，本专利技术的技术方案是这样实现的：基于市场供需和区域气象预测的日前交易策略的方法，包括：S1、获取区域预测气象数据和场站预测气象数据，获取市场供需预测数据、以及历史电力交易数据；并进行数据预处理；S2、将上述预处理的数据采用深度学习中的多任务学习方法进行建模，获得对电力交易市场预判的预测模型；S3、输入D日的区域预测气象数据、场站预测气象数据、市场供需预测数据，通过预测模型预测出D日的电力交易的市场预判信息；S4、将历史中长期均价、电场装机容量、场站的短期预测，以及市场预判信息带入到最优化模型中，求解出日前96点电力申报以及预期策略收益。进一步的，步骤S2所述多任务学习方法的建模预测的任务包括中长期结算电力、日前出清电力、实时上网电力、日前现货价格、实时现货价格五个目标，底层特征按业务意义分组，每组单独用全连接网络训练后再级联拼接起来，输入到深度神经网络，进入深度神经网络前采用z-score标准化；前几层权重设置为共享，损失函数设置为这五个目标的线性加权和。在全连接层中激活函数采用Sigmoid函数。每个全连接层后设置一个dropout层。进一步的，步骤S4中使用的市场预判信息，是由步骤S3预测的市场预判信息，再结合区域规则，进行微调后得到的市场预判信息。进一步的，步骤S4中所述最优化模型的求解过程包括：将场站历史预测风速或辐照度按照不同风速段或辐照度段进行划分，对短期预测的每个点作一次遍历，寻找每个点落在的区间，此区间作为该点短期功率预测的寻优下界和上界；当日的中长期计划总量由场站人员给出经验范围，作为优化问题的约束条件之一。本专利技术的另一方面，还提出了基于市场供需和区域气象预测的日前交易策略系统，包括：获取模块，用于获取区域预测气象数据和场站预测气象数据，获取市场供需预测数据、以及历史电力交易数据；并进行数据预处理；建模模块，用于将上述预处理的数据采用深度学习中的多任务学习方法进行建模，获得对电力交易市场预判的预测模型；预测模块，输入D日的区域预测气象数据、场站预测气象数据、市场供需预测数据，通过预测模型预测出D日的电力交易的市场预判信息；求解模块，用于将历史中长期均价、电场装机容量、场站的短期预测，以及市场预判信息带入到最优化模型中，求解出日前96点电力申报以及预期策略收益。进一步的，所述建模模块设有多任务学习方法单元，所述多任务学习方法单元中，建模预测的任务包括中长期结算电力、日前出清电力、实时上网电力、日前现货价格、实时现货价格五个目标，底层特征按业务意义分组，每组单独用全连接网络训练后再级联拼接起来，输入到深度神经网络，进入深度神经网络前采用z-score标准化；前几层权重设置为共享，损失函数设置为这五个目标的线性加权和。在全连接层中激活函数采用Sigmoid函数。每个全连接层后设置一个dropout层。进一步的，所述求解模块设有微调单元，将由预测模块预测的市场预判信息，再结合区域规则，进行微调后得到的市场预判信息。进一步的，所述求解模块包括最优化模型求解单元，所述最优化模型求解单元将场站历史预测风速或辐照度按照不同风速段或辐照度段进行划分，对短期预测的每个点作一次遍历，寻找每个点落在的区间，此区间作为该点短期功率预测的寻优下界和上界；当日的中长期计划总量由场站人员给出经验范围，作为优化问题的约束条件之一。与现有技术相比，本专利技术具有如下的有益效果：本专利技术通过基于深度学习中的多任务学习建模，能够克服有效样本量少导致的数据稀疏问题，能够适应多个任务的场景，可以充分利用各任务间的强相关性，提高预测准确率和泛化能力。附图说明图1是本专利技术实施例的流程示意图；图2是本专利技术实施例的多任务学习方法模型示意图；图3是本专利技术实施例中某风电场某日的现货价格及预测价格曲线图；图4是本专利技术实施例中某风电场某日的短期预测和策略曲线图。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。为使本专利技术专利的目的、特征更明显易懂，下面结合附图对本专利技术专利的具体实施方式作进一步的说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用以方便、明晰地辅助说明本专利技术专利实施例的目的。本专利技术所述电力市场，是电力供方和需方分别以利润最大化和成本最小化为目标，按照约定的规则并以输电网为媒介联系起来，通过自主竞争和经济合同的形式，进行电能交易的一种组织体系和电能配置方式。本专利技术所述NWP（NumericalWeatherPrediction）是天气数值预报。本专利技术的设计思想是采用基于市场供需和区域数值天气预报（NWP，NumericalWeatherPrediction）数据的电力交易日前策略，实现思路为：采用深度学习中的多任务学习方法（MTL，Multi-tasklearning）从历史数据中寻找相似气象条件和供需条件下全省的日前出清电价、实时出清电价、以及电场的中长期结算电力、日前出清电力以及实时上网电力的功率曲线，在通过市场供需预测和全省资源条件预测得到的电力交易市场预期状况下，建立收益最大化函数，在日前交易之前合理进行96点日前报量使得现货收益最大化。如图1所示，本专利技术所述方法具体如下：1）获取区域和场站的多个NWP预测气象（主要包括辐照度和风速）、市场供需预测数据、电力交易市场出清监视表等历史数据集；检查数据完整性、一致性、准确性，剔除缺失、价格异常的数据。市场供需预测数据主要包括火电、水电、新能源的发电计划、竞标空间、联络线计划、供需比等数据（调度在D-2日下发D日的市场供需数据）；电力交易市场出本文档来自技高网...

【技术保护点】
1.基于市场供需和区域气象预测的日前交易策略的方法，其特征在于，包括：/nS1、获取区域预测气象数据和场站预测气象数据，获取市场供需预测数据、以及历史电力交易数据；并进行数据预处理；/nS2、将上述预处理的数据采用深度学习中的多任务学习方法进行建模，获得对电力交易市场预判的预测模型；/nS3、输入D日的区域预测气象数据、场站预测气象数据、市场供需预测数据，通过预测模型预测出D日的电力交易的市场预判信息；/nS4、将历史中长期均价、电场装机容量、场站的短期预测，以及市场预判信息带入到最优化模型中，求解出日前96点电力申报以及预期策略收益。/n

【技术特征摘要】
1.基于市场供需和区域气象预测的日前交易策略的方法，其特征在于，包括：
S1、获取区域预测气象数据和场站预测气象数据，获取市场供需预测数据、以及历史电力交易数据；并进行数据预处理；
S2、将上述预处理的数据采用深度学习中的多任务学习方法进行建模，获得对电力交易市场预判的预测模型；
S3、输入D日的区域预测气象数据、场站预测气象数据、市场供需预测数据，通过预测模型预测出D日的电力交易的市场预判信息；
S4、将历史中长期均价、电场装机容量、场站的短期预测，以及市场预判信息带入到最优化模型中，求解出日前96点电力申报以及预期策略收益。


2.根据权利要求1所述的基于市场供需和区域气象预测的日前交易策略的方法，其特征在于，步骤S2所述多任务学习方法的建模预测的任务包括中长期结算电力、日前出清电力、实时上网电力、日前现货价格、实时现货价格五个目标，底层特征按业务意义分组，每组单独用全连接网络训练后再级联拼接起来，输入到深度神经网络，进入深度神经网络前采用z-score标准化；前几层权重设置为共享，损失函数设置为这五个目标的线性加权和；在全连接层中激活函数采用Sigmoid函数；每个全连接层后设置一个dropout层。


3.根据权利要求1所述的基于市场供需和区域气象预测的日前交易策略的方法，其特征在于，步骤S4中使用的市场预判信息，是由步骤S3预测的市场预判信息，再结合区域规则，进行微调后得到的市场预判信息。


4.根据权利要求1所述的基于市场供需和区域气象预测的日前交易策略的方法，其特征在于，步骤S4中所述最优化模型的求解过程包括：
将场站历史预测风速或辐照度按照不同风速段或辐照度段进行划分，对短期预测的每个点作一次遍历，寻找每个点落在的区间，此区间作为该点短期功率预测的寻优下界和上界；当日的中长期计划总量由场站人员给出经验范围，作为优化问题的约束条件之一。


5.基于市场供需和...

【专利技术属性】
技术研发人员：向婕，雍正，钟崇光，
申请(专利权)人：国能日新科技股份有限公司，
类型：发明
国别省市：北京;11