【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及智能預(yù)測，尤其涉及一種基于bilstm-flaml的不完全電力數(shù)據(jù)的企業(yè)交易風(fēng)險(xiǎn)識別方法。
技術(shù)介紹
1、近年來，隨著電力市場化改革的深入推進(jìn)，全國電力市場交易電量持續(xù)上升。數(shù)據(jù)顯示，2023年1月至12月，全國電力市場交易電量達(dá)到5.7萬億千瓦時(shí)，同比增長7.9％，占全社會(huì)用電量的比例達(dá)到61.4％，比上年提升了0.6個(gè)百分點(diǎn)。同時(shí)，交易機(jī)構(gòu)注冊的主體數(shù)量達(dá)到了70.8萬家，這表明市場的活力得到了有效激發(fā)。然而，伴隨市場化改革的深入，電力市場的參與者多樣性和復(fù)雜性也不斷增加，市場中出現(xiàn)了各種不良行為，如欠費(fèi)、違約、不正當(dāng)競爭和虛假信息傳播等。這些問題不僅破壞了市場的公平性和透明度，還給企業(yè)帶來了顯著的經(jīng)濟(jì)損失和運(yùn)營風(fēng)險(xiǎn)。
2、在這樣的背景下，建立健全的客戶信用評價(jià)機(jī)制顯得尤為重要。信用評價(jià)不僅是企業(yè)評估客戶行為的重要手段，也能幫助企業(yè)預(yù)測和規(guī)避潛在的信用風(fēng)險(xiǎn)，從而促進(jìn)市場的健康發(fā)展。財(cái)務(wù)狀況、信用記錄以及電力交易過程中的數(shù)據(jù)是進(jìn)行信用評分的關(guān)鍵指標(biāo)。然而，由于不良行為的存在，數(shù)據(jù)中經(jīng)常出現(xiàn)缺失值和異常值的問題。這些數(shù)據(jù)質(zhì)量問題不僅削弱了風(fēng)險(xiǎn)預(yù)測模型的預(yù)測能力，還可能導(dǎo)致錯(cuò)誤的風(fēng)險(xiǎn)判斷，進(jìn)而影響企業(yè)的決策和市場的穩(wěn)定性。
3、因此，針對這些不足，如何有效處理數(shù)據(jù)缺失和異常值問題，提高風(fēng)險(xiǎn)識別模型的準(zhǔn)確性和可靠性，是本領(lǐng)域技術(shù)人員急需要解決的技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
1、有鑒于此，本專利技術(shù)的目的在于提出一種基于bilstm-flaml的不完全電
2、基于上述目的，本專利技術(shù)提供了一種基于bilstm-flaml的不完全電力數(shù)據(jù)的企業(yè)交易風(fēng)險(xiǎn)識別方法，包括以下步驟：
3、s1、對歷史電力數(shù)據(jù)進(jìn)行異常值和空缺值識別并標(biāo)記，將標(biāo)記點(diǎn)前后部分?jǐn)?shù)據(jù)截取作為預(yù)測集，將剩余部分作為訓(xùn)練集和測試集；
4、s2、將處理好的訓(xùn)練集和測試集輸入到bilstm模型中進(jìn)行訓(xùn)練；
5、s3、將預(yù)測集輸入到訓(xùn)練好的bilstm模型中進(jìn)行預(yù)測，進(jìn)行數(shù)據(jù)填補(bǔ)，并將填補(bǔ)的數(shù)據(jù)按照既定的計(jì)算指標(biāo)進(jìn)行特征提取；
6、s4、將提取的指標(biāo)輸入到flaml模型中進(jìn)行電力企業(yè)交易風(fēng)險(xiǎn)識別。
7、優(yōu)選的，步驟s1進(jìn)一步包括：
8、s11、通過z-score方法依次識別各個(gè)電力數(shù)據(jù)的異常值和空缺值，并將其名稱、日期、序號記錄下來進(jìn)行標(biāo)定；
9、s12、將標(biāo)定值附近前后的數(shù)據(jù)截取下來保存作為預(yù)測集；
10、s13、將電力數(shù)據(jù)剩余部分按一定比例打包處理成訓(xùn)練集和測試集。
11、優(yōu)選的，步驟s2進(jìn)一步包括：
12、s21、對訓(xùn)練集和測試集進(jìn)行歸一化處理并分成不同的小批次；
13、s22、按照批次輸入到bilstm模型中進(jìn)行訓(xùn)練，通過多輪迭代和反向傳播算法，逐步優(yōu)化模型及其參數(shù)，以最小化損失函數(shù)；
14、s23、使用測試集批次數(shù)據(jù)評估模型的性能，以監(jiān)測模型的泛化能力并防止過擬合。
15、優(yōu)選的，步驟s3進(jìn)一步包括：
16、s31、將預(yù)測集進(jìn)行歸一化，并分批次通過模型進(jìn)行缺失值、異常值的預(yù)測；
17、s32、將預(yù)測后的數(shù)據(jù)反歸一化，填補(bǔ)、修正到原始電力數(shù)據(jù)中；
18、s33、將填補(bǔ)后的數(shù)據(jù)，按照給定的計(jì)算指標(biāo)進(jìn)行特征提取，降低數(shù)據(jù)維度。
19、優(yōu)選的，步驟s4進(jìn)一步包括：
20、s41、將提取后的指標(biāo)進(jìn)行歸一化處理；
21、s42、將歸一化處理后的指標(biāo)輸入到flaml模型中進(jìn)行訓(xùn)練，選擇損失函數(shù)最小的機(jī)器學(xué)習(xí)模型和超參數(shù)；
22、s43、完成對電力企業(yè)交易風(fēng)險(xiǎn)的識別。
23、本專利技術(shù)的有益效果：本專利技術(shù)針對數(shù)據(jù)中經(jīng)常出現(xiàn)缺失值和異常值的問題，采用了對大量電力數(shù)據(jù)進(jìn)行異常值和空缺值識別并標(biāo)記、bilstm模型訓(xùn)練、數(shù)據(jù)填補(bǔ)、特征提取，最后，將這些提取后的指標(biāo)輸入到flaml模型中進(jìn)行電力企業(yè)交易風(fēng)險(xiǎn)識別的方法，能夠提高風(fēng)險(xiǎn)預(yù)測模型的預(yù)測能力，可以對電力企業(yè)在交易中的風(fēng)險(xiǎn)判斷提供支持，提高風(fēng)險(xiǎn)識別的準(zhǔn)確性和可靠性。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于BiLSTM-FLAML的不完全電力數(shù)據(jù)的企業(yè)交易風(fēng)險(xiǎn)識別方法，其特征在于，所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于BiLSTM-FLAML的不完全電力數(shù)據(jù)的企業(yè)交易風(fēng)險(xiǎn)識別方法，其特征在于，步驟S1進(jìn)一步包括：
3.根據(jù)權(quán)利要求1所述的基于BiLSTM-FLAML的不完全電力數(shù)據(jù)的企業(yè)交易風(fēng)險(xiǎn)識別方法，其特征在于，步驟S2進(jìn)一步包括：
4.根據(jù)權(quán)利要求1所述的基于BiLSTM-FLAML的不完全電力數(shù)據(jù)的企業(yè)交易風(fēng)險(xiǎn)識別方法，其特征在于，步驟S3進(jìn)一步包括：
5.根據(jù)權(quán)利要求1所述的基于BiLSTM-FLAML的不完全電力數(shù)據(jù)的企業(yè)交易風(fēng)險(xiǎn)識別方法，其特征在于，步驟S4進(jìn)一步包括：
【技術(shù)特征摘要】
1.一種基于bilstm-flaml的不完全電力數(shù)據(jù)的企業(yè)交易風(fēng)險(xiǎn)識別方法，其特征在于，所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于bilstm-flaml的不完全電力數(shù)據(jù)的企業(yè)交易風(fēng)險(xiǎn)識別方法，其特征在于，步驟s1進(jìn)一步包括：
3.根據(jù)權(quán)利要求1所述的基于bilstm-flaml的不完全電力數(shù)據(jù)的...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張建，李健，馮占穩(wěn)，韓曄，黎妍，
申請(專利權(quán))人：遼寧電力交易中心有限公司，
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(huì)獲得科技券。