【技術實現(xiàn)步驟摘要】
本專利技術涉及虛擬電廠，具體涉及一種基于機器學習的虛擬電廠交易管理方法及系統(tǒng)。
技術介紹
1、虛擬電廠是一種通過先進信息通信技術和軟件系統(tǒng)，實現(xiàn)dg、儲能系統(tǒng)、可控負荷、電動汽車等der的聚合和協(xié)調優(yōu)化，以作為一個特殊電廠參與電力市場和電網運行的電源協(xié)調管理系統(tǒng)。虛擬電廠概念的核心可以總結為“通信”和“聚合”。虛擬電廠的關鍵技術主要包括協(xié)調控制技術、智能計量技術以及信息通信技術。
2、目前為了推動虛擬電廠運營商的積極性、增加新能源消納水平、形成穩(wěn)定的虛擬電廠與電網協(xié)調互動能力，對虛擬電廠進行分級交易，極大地優(yōu)化了虛擬電廠之間的資源配置。因此，虛擬電廠的交易管理能夠保障虛擬電廠交易的穩(wěn)定進行。
3、現(xiàn)有技術在對虛擬電廠進行交易管理時，通常采用對交易數(shù)據(jù)的異常監(jiān)測和異常預警，避免異常交易的產生，但是，在異常監(jiān)測時缺乏統(tǒng)一的判斷標準或流程，導致異常監(jiān)測的效果可靠性不強，而且還缺乏對異常數(shù)據(jù)統(tǒng)一的修正流程，使得在修正異常數(shù)據(jù)前虛擬電廠的交易出現(xiàn)長時間停滯，降低虛擬電廠的交易穩(wěn)定性。
技術實現(xiàn)思路
1、本專利技術的目的在于提供一種基于機器學習的虛擬電廠交易管理方法，以解決現(xiàn)有技術中在異常監(jiān)測時缺乏統(tǒng)一的判斷標準或流程，導致異常監(jiān)測的效果可靠性不強，而且還缺乏對異常數(shù)據(jù)統(tǒng)一的修正流程，使得在修正異常數(shù)據(jù)前虛擬電廠的交易出現(xiàn)長時間停滯，降低虛擬電廠的交易穩(wěn)定性的技術問題。
2、為解決上述技術問題，本專利技術具體提供下述技術方案：
3、一種基于機器學
4、篩選出等于真實值的多個所述交易數(shù)據(jù)的測量值得到交易數(shù)據(jù)的真實值，由交易數(shù)據(jù)的真實值依時序排列組成第一樣本序列，通過lstm網絡基于所述第一樣本序列進行交易數(shù)據(jù)真實值的時序規(guī)律學習，得到測算出交易時刻處交易數(shù)據(jù)的預測值的交易預測模型；
5、對所述第一樣本序列中交易數(shù)據(jù)的真實值進行缺陷處理得到交易數(shù)據(jù)的異常值，由交易數(shù)據(jù)的異常值依時序排列形成第二樣本序列，通過cnn網絡基于所述第一樣本序列、所述第二樣本序列和交易預測模型輸出的交易數(shù)據(jù)的預測值，進行交易數(shù)據(jù)的真實值預測學習，得到根據(jù)交易數(shù)據(jù)的異常值和預測值測算出交易數(shù)據(jù)的真實值的交易修正模型；
6、通過交易預測模型對交易數(shù)據(jù)的測量值進行異常判斷及預警，并通過交易修正模型對交易數(shù)據(jù)的異常值進行修正。
7、作為本專利技術的一種優(yōu)選方案，所述交易市場包括：電能量市場、天然氣市場、碳交易市場、調峰市場。
8、作為本專利技術的一種優(yōu)選方案，電能量市場的交易數(shù)據(jù)包括電能量市場的可聚合資源規(guī)模、總負荷規(guī)模、電出清價格；
9、調峰市場的交易數(shù)據(jù)包括調峰市場的調峰需求產生的調峰申報量、電出清價格；
10、碳交易市場的交易數(shù)據(jù)包括碳交易市場的碳交易量、碳出清價格；
11、天然氣市場包括的交易數(shù)據(jù)包括天然氣市場的天然氣交易量、天然氣出清價格。
12、作為本專利技術的一種優(yōu)選方案，所述交易預測模型的構建方法包括：
13、將第一樣本序列中前置交易時刻處交易數(shù)據(jù)的真實值作為lstm網絡的輸入項，將第一樣本序列中后置交易時刻處交易數(shù)據(jù)的真實值作為lstm網絡的輸出項；
14、通過lstm網絡對lstm網絡的輸入項和lstm網絡的輸出項進行訓練，得到所述交易預測模型；
15、所述交易預測模型為：
16、datan_k=lstm({data1_r,data2_r,…,?datan-1_r?})；
17、式中，datan_k為第n個交易時刻處的交易數(shù)據(jù)的預測值，data1_r,data2_r,?datan-1_r分別為第1，2，n-1個交易時刻處交易數(shù)據(jù)的真實值，lstm為lstm網絡；
18、其中，交易預測模型的損失函數(shù)：
19、l=?||datan_r-datan_k||2；
20、式中，l為損失函數(shù)值，?||datan_r-datan_k||2為datan_r和datan_k間的l2范數(shù)式，datan_r為第n個交易時刻處的交易數(shù)據(jù)的真實值，datan_k為第n個交易時刻處的交易數(shù)據(jù)的預測值。
21、作為本專利技術的一種優(yōu)選方案，對所述第一樣本序列中交易數(shù)據(jù)的真實值進行缺陷處理得到交易數(shù)據(jù)的異常值的方法包括：
22、將第一樣本序列中各個交易數(shù)據(jù)的真實值進行部分數(shù)據(jù)的修改，并將修改后的交易數(shù)據(jù)的真實值作為交易數(shù)據(jù)的異常值。
23、作為本專利技術的一種優(yōu)選方案，所述交易修正模型的構建方法包括：
24、通過cnn網絡基于所述第一樣本序列、所述第二樣本序列和交易預測模型輸出的交易數(shù)據(jù)的預測值，進行交易數(shù)據(jù)的真實值預測學習，得到根據(jù)交易數(shù)據(jù)的異常值和預測值測算出交易數(shù)據(jù)的真實值的交易修正模型；
25、將第二樣本序列中交易數(shù)據(jù)的異常值和交易預測模型輸出的交易數(shù)據(jù)的預測值作為cnn網絡的輸入項，將第一樣本序列中交易數(shù)據(jù)的真實值作為cnn網絡的輸出項；
26、利用cnn網絡對cnn網絡的輸入項和cnn網絡的輸出項進行訓練，得到所述交易修正模型；
27、所述交易修正模型為：
28、datan_r=cnn(datan_e,?datan_k)；
29、式中，datan_r為第n個交易時刻處的交易數(shù)據(jù)的真實值，datan_e為第n個交易時刻處的交易數(shù)據(jù)的異常值，datan_k為第n個交易時刻處的交易數(shù)據(jù)的預測值，cnn為cnn網絡；
30、其中，交易修正模型的損失函數(shù)為：
31、l=max(||datan_r-datan_k||2-||?datan_r?-datan_e||2+b,0)；
32、式中，l為損失函數(shù)值，max為取最大運算符，||datan_r-datan_k||2為datan_r和datan_k間的l2范數(shù)式，||datan_r-datan_e||2為datan_r和datan_e間的l2范數(shù)式，b為大于0的常數(shù)，||?datan_r?-datan_e||2≥||datan_r-datan_k||2+b。
33、作為本專利技術的一種優(yōu)選方案，通過交易預測模型對交易數(shù)據(jù)的測量值進行異常判斷及預警的方法包括：
34、通過交易預測模型得到當前交易時刻處的交易數(shù)據(jù)的預測值；
35、將當前交易時刻的交易數(shù)據(jù)的預測值與當前時刻的交易數(shù)據(jù)的測量值進行一致性比較，其中，
36、若當前交易時刻處交易數(shù)據(jù)的預測值與測量值不一致，則當前交易時刻的交易數(shù)據(jù)處于異常狀態(tài)，進行異常預警，并將當前交易時刻處的測量值作為當前交易時刻處交易數(shù)據(jù)的異常值；
37、若當前交易時刻處交易數(shù)據(jù)的預測值與測量值一致，則當前交易時刻的交易數(shù)據(jù)處于正常狀態(tài)。
<本文檔來自技高網...【技術保護點】
1.一種基于機器學習的虛擬電廠交易管理方法，其特征在于，包括以下步驟：
2.根據(jù)權利要求1所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：所述交易市場包括：電能量市場、天然氣市場、碳交易市場、調峰市場。
3.根據(jù)權利要求2所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：電能量市場的交易數(shù)據(jù)包括電能量市場的可聚合資源規(guī)模、總負荷規(guī)模、電出清價格；
4.根據(jù)權利要求1所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：所述交易預測模型的構建方法包括：
5.根據(jù)權利要求4所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：對所述第一樣本序列中交易數(shù)據(jù)的真實值進行缺陷處理得到交易數(shù)據(jù)的異常值的方法包括：
6.根據(jù)權利要求5所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：所述交易修正模型的構建方法包括：
7.根據(jù)權利要求6所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：通過交易預測模型對交易數(shù)據(jù)的測量值進行異常判斷及預警的方法包括：
8.根據(jù)權利要求7所述
9.一種基于機器學習的虛擬電廠交易管理系統(tǒng)，其特征在于，應用于權利要求1-8任一項所述的一種基于機器學習的虛擬電廠交易管理方法，系統(tǒng)包括：
10.根據(jù)權利要求9所述的一種基于機器學習的虛擬電廠交易管理系統(tǒng)，其特征在于：異常管理單元的異常判斷、預警以及異常值修正方法包括：
...【技術特征摘要】
1.一種基于機器學習的虛擬電廠交易管理方法，其特征在于，包括以下步驟：
2.根據(jù)權利要求1所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：所述交易市場包括：電能量市場、天然氣市場、碳交易市場、調峰市場。
3.根據(jù)權利要求2所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：電能量市場的交易數(shù)據(jù)包括電能量市場的可聚合資源規(guī)模、總負荷規(guī)模、電出清價格；
4.根據(jù)權利要求1所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：所述交易預測模型的構建方法包括：
5.根據(jù)權利要求4所述的一種基于機器學習的虛擬電廠交易管理方法，其特征在于：對所述第一樣本序列中交易數(shù)據(jù)的真實值進行缺陷處理得到交易數(shù)據(jù)的異常值的方法包括：
6....
【專利技術屬性】
技術研發(fā)人員：劉健，沈旭，王輝，樊慶沛，呂月秋，錢靖，
申請(專利權)人：華能浙江能源銷售有限責任公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。