[发明专利]基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备

说明书

本申请实施例公开了一种基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备，属于电力计量领域，首先利用人工智能技术的基于决策树的集成学习框架进行预测节点边际电价，并根据分位数回归法得到不同置信区间的电价分布，然后结合机组物理约束和价格场景构建报价决策模型，并结合工智能技术对报价决策模型的最优参数进行求解，通过引入动量理论提高了寻优速度，最后依据不同电价场景建立不同的量本利方案对比，从而为发电侧制定合理的报价以及风险管理提供有效的评估依据。

技术领域

本申请涉及电力计量领域，尤其涉及一种基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备。

背景技术

为了保障电网安全稳定运行、促进清洁能源消纳以及满足系统供需实时平衡，国家发改委选择广东、山西等8个省作为国内电力现货市场交易的第一批试点。国内日前(即现货)市场交易发电侧主要采取分段报量报价，用户侧报量不报价的形式，通过优化计算得到分时发电出力曲线以及节点边际电价。在此背景上，发电企业依据其他参与者的投标行为和电力系统的运行情况，如何通过设计合理地报价曲线实现发电利润最大化是目前研究的热点。

发明内容

本申请实施例提供了一种基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备，可以解决发电利润最大化的问题。所述技术方案如下：

第一方面，本申请实施例提供了一种基于人工智能的发电侧电价报价方法，所述方法包括：

在电价的潜在影响特征中选择相关特征；

利用基于决策树的集成学习框架对所述相关特征的样本数据进行训练得到特征训练模型；

将待预测数据输入到所述特征训练模型得到日前市场节点边际价格确定预测值；

利用分位数回归模型对所述日前市场节点边际价格确定预测值进行处理得到日前市场节点边际价格不确定预测值；

基于日前市场节点边际价格不确定预测值，通过预设的置信区间和分位数回归模型计算区间预测值；

随机生成N个价格场景；其中，N为大于1的整数，每个价格场景的概率为1/N；

构建各个价格场景下的报价决策模型，以及利用构建的报价决策模型确定不同价格场景下的量本利和报价方案。

第二方面，本申请实施例提供了一种基于人工智能的发电侧电价报价装置，包括：

选择单元，用于在电价的潜在影响特征中选择相关特征；

训练单元，用于利用基于决策树的集成学习框架对所述相关特征的样本数据进行训练得到特征训练模型；

预测单元，用于将待预测数据输入到所述特征训练模型得到日前市场节点边际价格确定预测值；

所述预测单元，还用于利用分位数回归模型对所述日前市场节点边际价格确定预测值进行处理得到日前市场节点边际价格不确定预测值；基于日前市场节点边际价格不确定预测值，通过预设的置信区间和分位数回归模型计算区间预测值；

确定单元，用于随机生成N个价格场景；其中，N为大于1的整数，每个价格场景的概率为1/N；

以及构建各个价格场景下的报价决策模型，以及利用构建的报价决策模型确定不同价格场景下的量本利和报价方案。

第三方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。

第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。

本申请一些实施例提供的技术方案带来的有益效果至少包括：