本申請涉及一種基于區塊鏈的綠電交易預測方法及系統。本申請在預測綠電價格時，所需要獲取的實時綠電交易數據，不僅包括價格數據和交易量數據，還包括時間數據、天氣數據、環境數據，通過考慮時間數據、天氣數據及環境數據對綠電價格的影響，可更加精準的預測出每個時間點的價格預測值；并且，本方案通過預測模型輸出價格預測值時，還能預測每個價格預測值的波動率，以及每個價格預測值在各個波動率區間的概率分布，通過該波動率及概率分布，可以了解每個預測值的波動大小及在不同波動區間的波動概率，以便給出有效的交易建議。
【技術實現步驟摘要】
本申請涉及綠電交易，尤其涉及一種基于區塊鏈的綠電交易預測方法及系統。
技術介紹
1、隨著可再生能源的發展，綠色電力交易市場日益擴大。綠色電力(green?power)是指利用特定的發電設備，如風機、太陽能光伏電池等，將風能、太陽能等可再生的能源轉化成電能。現有的綠電交易系統在預測綠電價格時，主要是通過歷史價格數據進行預測，預測效果不佳。
2、因此，如何準確的預測綠電價格，是本領域技術人員需要解決的技術問題。
技術實現思路
1、本申請提供了一種基于區塊鏈的綠電交易預測方法及系統，以準確的預測綠電價格。
2、第一方面，本申請提供了一種基于區塊鏈的綠電交易預測方法，包括：
3、獲取實時綠電交易數據；其中，所述實時綠電交易數據包括：時間數據、價格數據、交易量數據、不同層次的價格波動區間數據、天氣數據、環境數據；
4、將所述實時綠電交易數據輸入預測模型，通過所述預測模型輸出交易預測數據；其中，所述交易預測數據包括：每個時間點的價格預測值、每個價格預測值的波動率，以及每個價格預測值在各個波動率區間的概率分布。
5、可選地，所述不同層次的價格波動區間數據的生成過程，包括：
6、獲取預設時間段內價格數據的價格均值及價格標準差；
7、根據所述價格均值、所述價格標準差及動態調整因子，確定價格波動區間；所述動態調整因子根據市場波動性自動調整；
8、將所述價格波動區間分為不同層次的價格波動區間數據。
>9、可選地，所述預測模型為多層長短期記憶預測模型；所述多層長短期記憶預測模型為通過歷史綠電交易數據訓練生成。10、可選地，所述獲取實時綠電交易數據之前，還包括：
11、實時獲取初始綠電交易數據；
12、對所述初始綠電交易數據進行預處理生成實時綠電交易數據；
13、將所述實時綠電交易數據存儲至區塊鏈。
14、可選地，所述獲取實時綠電交易數據，包括：
15、從所述區塊鏈獲取所述實時綠電交易數據。
16、可選地，所述環境特征數據包括：溫度數據、濕度數據。
17、可選地，所述通過所述預測模型輸出交易預測數據之后，還包括：
18、根據所述交易預測數據生成交易建議信息。
19、第二方面，本申請提供了一種基于區塊鏈的綠電交易預測系統，包括：
20、第一獲取模塊，用于獲取實時綠電交易數據；其中，所述實時綠電交易數據包括：時間數據、價格數據、交易量數據、不同層次的價格波動區間數據、天氣數據、環境數據；
21、預測模塊，用于將所述實時綠電交易數據輸入預測模型，通過所述預測模型輸出交易預測數據；其中，所述交易預測數據包括：每個時間點的價格預測值、每個價格預測值的波動率，以及每個價格預測值在各個波動率區間的概率分布。
22、可選地，所述綠電交易預測系統還包括：
23、第二獲取模塊，用于獲取預設時間段內價格數據的價格均值及價格標準差；
24、第一確定模塊，用于根據所述價格均值、所述價格標準差及動態調整因子，確定價格波動區間；所述動態調整因子根據市場波動性自動調整；
25、第二確定模塊，用于將所述價格波動區間分為不同層次的價格波動區間數據。
26、可選地，所述綠電交易預測系統還包括：
27、第三獲取模塊，用于實時獲取初始綠電交易數據；
28、處理模塊，用于對所述初始綠電交易數據進行預處理生成實時綠電交易數據；
29、存儲模塊，用于將所述實時綠電交易數據存儲至區塊鏈。
30、本申請實施例提供的上述技術方案與現有技術相比具有如下優點：本申請在預測綠電價格時，所需要獲取的實時綠電交易數據，不僅包括價格數據和交易量數據，還包括時間數據、天氣數據、環境數據，通過考慮時間數據、天氣數據及環境數據對綠電價格的影響，可更加精準的預測出每個時間點的價格預測值；并且，本方案通過預測模型輸出價格預測值時，還能預測每個價格預測值的波動率，以及每個價格預測值在各個波動率區間的概率分布，通過該波動率及概率分布，可以了解每個預測值的波動大小及在不同波動區間的波動概率，以便給出有效的交易建議。
本文檔來自技高網...
【技術保護點】
1.一種基于區塊鏈的綠電交易預測方法，其特征在于，包括：
2.根據權利要求1所述的綠電交易預測方法，其特征在于，所述不同層次的價格波動區間數據的生成過程，包括：
3.根據權利要求1所述的綠電交易預測方法，其特征在于，所述預測模型為多層長短期記憶預測模型；所述多層長短期記憶預測模型為通過歷史綠電交易數據訓練生成。
4.根據權利要求1所述的綠電交易預測方法，其特征在于，所述獲取實時綠電交易數據之前，還包括：
5.根據權利要求4所述的綠電交易預測方法，其特征在于，所述獲取實時綠電交易數據，包括：
6.根據權利要求1所述的綠電交易預測方法，其特征在于，所述環境特征數據包括：溫度數據、濕度數據。
7.根據權利要求1至6中任意一項所述的綠電交易預測方法，其特征在于，所述通過所述預測模型輸出交易預測數據之后，還包括：
8.一種基于區塊鏈的綠電交易預測系統，其特征在于，包括：
9.根據權利要求8所述的綠電交易預測系統，其特征在于，所述綠電交易預測系統還包括：
10.根據權利要求9所述的綠電交易預測系統，其特征在于，所述綠電交易預測系統還包括：
...
【技術特征摘要】
1.一種基于區塊鏈的綠電交易預測方法，其特征在于，包括：
2.根據權利要求1所述的綠電交易預測方法，其特征在于，所述不同層次的價格波動區間數據的生成過程，包括：
3.根據權利要求1所述的綠電交易預測方法，其特征在于，所述預測模型為多層長短期記憶預測模型；所述多層長短期記憶預測模型為通過歷史綠電交易數據訓練生成。
4.根據權利要求1所述的綠電交易預測方法，其特征在于，所述獲取實時綠電交易數據之前，還包括：
5.根據權利要求4所述的綠電交易預測方法，其特征在于，所述獲取實時綠...
【專利技術屬性】
技術研發人員：林細君，黃康乾，鐘佳宇，劉嘉遜，趙唯嘉，朱文俊，鄭穎楷，劉嘉俊，劉珍珍，胡鑫，黃靖茵，張云勇，黃志生，
申請(專利權)人：廣東電力交易中心有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。