System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力市场需求预测,具体为一种基于深度学习的省间现货购电需求预测方法。
技术介绍
1、2021年12月,现货购电在原有跨区域现货交易的基础上扩展到区域内省间现货交易,以促进资源大范围优化配置和可再生能源大范围消纳、规范开展省间电力现货交易。
2、2022年迎峰度夏期间,受持续高温、用电需求增加、电力供应紧张等多重因素影响,多地电力市场交易出现价格攀升的现象,省间现货价格多次突破纪录,部分省份迎峰省间现货购电费用过高,其购电成本的疏导一度引发舆情。对于电网企业而言,如何充分利用省间现货市场,发挥其保障电力供应作用,需要对省间现货市场的购电缺口机理有更进一步的研究,支持科学地制定省间现货购电策略。
3、cn117764637a公开了一种基于多维度数据分析的电力交易方法及系统,该方法包括以下步骤:获取多维电力交易数据及电网供电流量数据;利用自学习神经网络对多维电力交易数据进行维度特征提取,生成维度特征电力交易数据;对维度特征电力交易数据进行时序分析,以生成电力交易时序数据;对电力交易时序数据进行需求特征提取,以生成电力需求时序曲线;利用深度学习算法对电力需求时序曲线进行动态需求峰值计算,生成电力需求峰值;根据电力需求峰值对电力交易时序数据进行需求模式分析,以生成电力交易需求模式数据;对电力交易需求模式数据进行隐含关联分析,以生成需求模式关联数据;该专利对于影响因素考虑较少,而省间现货购电需求受到风光等自然环境、气温等因素的影响和省内电力负荷等因素的影响,导致该专利预测准确率不高。
【技术保护点】
1.一种基于深度学习的省间现货购电需求预测方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
3.根据权利要求1所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
4.根据权利要求1所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
5.根据权利要求1所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
6.根据权利要求5所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
7.根据权利要求5所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
8.根据权利要求7所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
9.根据权利要求5所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
10.根据权利要求1或8所述的省间现货购电需求相关标准数据集以及数据预处理方法,其特征在于:
11.根据权利要求10所述的省间现货购电
12.根据权利要求11所述的省间现货购电需求相关标准数据集以及数据预处理方法,其特征在于:
13.根据权利要求12所述的省间现货购电需求相关标准数据集以及数据预处理方法,其特征在于:
14.根据权利要求12所述的省间现货购电需求相关标准数据集以及数据预处理方法,其特征在于:
15.一种利用权利要求1-14任一项权利要求所述的基于深度学习的省间现货购电需求预测方法的基于深度学习的省间现货购电需求预测系统,其特征在于,包括:历史数据获取模块、数据预处理模块、特征提取模块和购电需求预测模块;
16.一种终端,包括处理器及存储介质;其特征在于:
17.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-14任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于深度学习的省间现货购电需求预测方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
3.根据权利要求1所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
4.根据权利要求1所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
5.根据权利要求1所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
6.根据权利要求5所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
7.根据权利要求5所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
8.根据权利要求7所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
9.根据权利要求5所述的一种基于深度学习的省间现货购电需求预测方法,其特征在于:
10.根据权利要求1或8所述的省间现货购电需...
【专利技术属性】
技术研发人员:薛冰,杨世海,黄茜,王岗,毕明德,江明,孙莉,刘恬畅,李磊,陈畅,周瑶,张凯奇,
申请(专利权)人:国网江苏省电力有限公司营销服务中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。