一种电力交易多市场协同管控方法及系统

技术领域

本发明涉及电力交易交互技术领域，尤其涉及一种电力交易多市场协同管控方法及系统。

背景技术

电力交易是一个关键的能源市场，为了更高效地进行多市场协同管控电力交易，需要有效的数据协同管控方法及系统。传统的电力交易多市场管控方法很难对多市场之间的协同管控可再生资源的电力，导致可再生资源的电力交易成本较高以及电力的分配效率低下，进而使得难以降低碳排放。

发明内容

基于此，有必要提供一种电力交易多市场协同管控方法及系统，以解决至少一个上述技术问题。

为实现上述目的，一种电力交易多市场协同管控方法及系统，所述方法包括以下步骤：

步骤S1：获取多市场交易数据；对多市场交易数据进行多市场交易整合，从而生成电力交易整合数据；

步骤S2：对电力交易整合数据进行周期波动预测，从而生成电力波动预测数据；

步骤S3：对电力交易整合数据进行资源结构处理，从而生成第一电力生产数据；对第一电力生产数据进行碳排放减损分析，从而生成第二电力生产数据；

步骤S4：根据电力波动预测数据、第一电力生产数据以及第二电力生产数据进行电力动态分配，从而生成电力分配策略数据；

步骤S5：根据电力分配策略数据进行协同交易管理，以实现电力交易多市场协同管控作业。

本申请的有益效果在于，通过多市场交易整合，可以整合多个市场的交易数据有助于建立更全面的电力市场视图，减少数据片段化，提高决策的全局性，整合数据可以提高市场透明度，使各参与者更容易了解市场的运行情况，从而降低了数据不对称的问题；通过周期波动预测有助于准确预测市场的电力需求，使电力供应商能够更好地规划产能，减少浪费，准确的需求数据有助于提高电力系统的可靠性，防止供需不平衡，减少停电风险；通过资源结构处理可以帮助确定最佳的电力生产结构，包括化石燃料、可再生能源等，从而提高能源资源的有效利用，碳排放减损分析有助于评估电力生产的环境影响，促进更清洁的能源生产；通过电力动态分配确保电力按需分配，最大限度地利用可用资源，提高了电力系统的资源利用效率，根据市场需求和资源情况进行动态分配有助于实现供需匹配，减少不必要的电力浪费，电力分配策略数据的生成使电力系统更加灵活，可以根据不同条件和需求做出实时调整；通过协同交易管理促进了不同市场之间的协作，确保电力供应的连贯性，降低了市场碎片化的风险，通过协同管理，市场可以更高效地响应需求变化，提供更稳定和可靠的电力供应，通过协同交易管理，可以降低电力交易的成本，包括交易执行和结算成本。因此，本发明提供了一种电力交易多市场协同管控方法及系统，通过周期波动预测对市场需求进行精准的预测；通过资源结构处理对电力的生产结构进行优化；通过碳排放减损分析对最大程度的提高可再生资源的发电量；使得在多市场的电力交易中能实现对市场需求的精准预测、对可再生资源的电力交易成本的降低以及高效的电力分配，进而降低碳排放。

优选地，步骤S1包括以下步骤：

步骤S11：获取多市场交易数据；

步骤S12：对多市场交易数据进行市场交易数据清洗，从而生成市场交易清洗数据；

步骤S13：对市场交易清洗数据进行时间轴对齐，从而生成市场交易标准数据；

步骤S14：利用区块链技术对市场交易标准数据进行多市场交易共享，从而生成交易共享数据；

步骤S15：根据区块链技术中的智能合约对交易共享数据进行自动化数据整合，从而生成电力交易整合数据。

本发明通过获取多市场的交易数据，可以获得更全面的市场情报，包括不同市场参与者的行为和交易规模，这是整个流程的基础，确保了后续步骤能够有可靠的数据来源；通过清洗可以帮助去除数据中的噪声、错误或冗余数据，提高数据的准确性和质量，确保数据符合一致的标准和格式，便于后续处理和分析；通过将数据在时间轴上对齐，可以确保不同市场的数据在时间上是一致的，从而避免了因时间错位而产生的错误分析，使得不同市场的数据可以进行直观的比较和分析；通过区块链技术提供了高度安全的交易共享环境，保护了数据的完整性和隐私，通过区块链，可以建立一个去中心化的共享平台，减少了单一机构的控制权，增强了透明度和信任；通过利用智能合约实现数据整合，可以自动执行任务，减少了人工干预的需要，提高了效率，所有的整合过程都以智能合约的形式记录在区块链上，使整个过程具有高度的可追溯性和透明度。

优选地，步骤S12中市场交易数据清洗通过市场交易数据清洗计算公式进行计算，其中市场交易数据清洗计算公式具体为：

，式中，/>

本发明构造了一种市场交易数据清洗计算公式，用于对多市场交易数据进行市场交易数据清洗；公式中，

优选地，步骤S2包括以下步骤：

步骤S21：对电力交易整合数据进行交易波动参数提取，从而生成交易波动参数；

步骤S22：对电力交易整合数据进行工业生产周期分析，从而生成工业生产周期参数；

步骤S23：获取电力资产数据；对电力资产数据进行电力消费预测，从而生成资产推动参数；

步骤S24：对周期波动参数、工业经济参数以及资产推动参数进行参数加权计算，从而生成电力消费能力数据；

步骤S25：对电力消费能力数据进行市场需求预测，从而生成电力波动预测数据。

本发明通过提取交易波动参数，可以评估电力市场的风险水平，帮助参与者更好地管理风险，了解市场的波动性有助于市场监管和决策制定，特别是在供需波动大的情况下；通过工业生产周期参数可以帮助分析市场的长期趋势，识别周期性波动，和规划提供依据，了解工业生产周期有助于预测电力需求，特别是对于工业部门的需求；通过电力资产数据，可以分析资产对电力市场的影响，包括激励措施、税收资产等，从而更好地理解市场动态，电力资产可以直接或间接影响电力消费，因此电力消费预测有助于市场参与者了解未来需求趋势；通过对交易波动、工业生产周期和资产推动参数的加权计算，生成电力消费能力数据，综合考虑了多个因素对市场的影响，提高了数据的综合性和可信度，电力消费能力数据可以为市场参与者提供决策支持，帮助他们做出更明智的决策，如投资计划、资源配置等；市场需求预测有助于维护供需平衡，确保电力市场的稳定运行，了解市场需求趋势可以帮助电力供应商规划资源和发电能力，以满足未来需求。

优选地，步骤S24中参数加权计算通过参数加权计算公式进行计算，其中参数加权计算公式具体为：

本发明构造了一种参数加权计算公式，用于对周期波动参数、工业经济参数以及资产推动参数进行参数加权计算；公式中

优选地，步骤S22包括以下步骤：

步骤S221：对电力交易整合数据进行工业生产数据提取，从而生成工业生产数据；

步骤S222：对工业生产数据进行生产趋势数据提取，从而生成生产变化趋势数据；

步骤S223：对生产变化趋势数据进行工业季节数据提取，从而生成生产季节周期数据；

步骤S224：对生产季节周期数据进行工业残差值计算，从而生成生产随机波动数据；

步骤S225：对生产变化趋势数据进行趋势分析，从而生成生产长期趋势数据；

步骤S226：对生产季节周期数据进行季节性分析，从而生成生产季节影响数据；

步骤S227：根据生产长期趋势数据、生产季节影响数据以及生产随机波动数据进行工业生产变化预测，从而生成工业生产周期参数。

本发明通过提取工业生产数据允许将电力交易与实际生产活动关联起来，使数据更具可视化和实际意义，生成工业生产数据提供了电力市场参与者了解工业需求的基础，有助于市场分析和决策制定；通过提取生产趋势数据有助于分析工业生产的长期趋势，帮助预测未来需求和市场变化，趋势数据可用于制定长期策略，如新能源投资或电力供应合同的签订；通过提取季节周期数据可以揭示工业生产中的季节性模式，例如季节性高峰和低谷，帮助电力供应商更好地规划资源，通过季节周期数据有助于更准确地预测工业生产在不同季节的需求变化；通过计算工业残差值有助于分析生产中的随机波动，这对于供应链管理和资源规划至关重要，了解残差值可以帮助电力市场参与者更好地管理不确定性和风险；趋势分析提供了关于工业生产的长期趋势的见解，这对于长期资源规划和市场参与者非常重要，了解长期趋势可以帮助市场参与者更好地预测未来的电力需求；通过季节性分析允许将季节性影响考虑在内，有助于更准确地预测未来需求，避免供应短缺或过剩，了解季节性模式可以帮助电力供应商在不同季节合理配置资源；根据长期趋势、季节性影响和随机波动进行工业生产变化预测有助于准确预测未来电力需求，支持供应商和市场参与者做出合理的决策，预测工业生产变化可以帮助电力供应商和市场参与者优化资源配置，确保满足需求。

优选地，步骤S3包括以下步骤：

步骤S31：对电力交易整合数据进行交易数据降噪，从而生成电力交易降噪数据；

步骤S32：对电力资产数据进行电力生产估计，从而生成电力生产指标参数；

步骤S33：利用电力生产指标参数对电力交易降噪数据进行生产指标调整，从而生成第一电力生产数据；

步骤S34：对第一电力生产数据中的太阳能发电数据进行数据提取，从而生成太阳能发电数据；

步骤S35：对太阳能发电数据进行发电区域检测，从而生成大气质量检测数据、太阳照射检测数据以及环境实物检测数据；

步骤S36：根据环境实物检测数据进行重阴影减损分析，从而生成重阴影减损因子；

步骤S37：对大气质量检测数据以及太阳照射数据进行光入偏差减损分析，从而生成光入偏差减损因子；

步骤S38：根据重阴影减损因子以及光入偏差减损因子对太阳能发电数据中的光伏设备进行设备安置位置确定并进行设备面板倾斜调制，从而生成光伏设备分布参数以及光伏面板倾斜参数；

步骤S39：利用光伏设备分布参数以及光伏面板倾斜参数对光伏设备进行光伏发电补偿，从而生成光伏发电调优数据；

步骤S310：利用光伏发电调优数据对太阳能发电数据进行发电调优，从而生成最佳光伏发电数据；

步骤S311：根据最佳光伏发电数据进行碳排放占比扩大，从而生成第二电力生产数据。

本发明通过降噪可以去除交易数据中的异常值和噪音，提高数据质量，使后续分析更可靠，降噪有助于保护敏感数据，确保不会泄漏交易方的隐私；将电力资产数据用于电力生产估计有助于确保电力生产在资产框架内合规运营，资产数据提供了关于电力资产对电力生产的影响的数据，可以用于决策制定；通过将电力生产指标与交易数据关联，可以更准确地评估电力生产的实际情况，调整后的生产指标有助于电力生产商优化运营，提高能源生产效率；通过提取太阳能发电数据允许监测和分析可再生能源产能，支持可持续能源规划和管理，太阳能发电数据有助于减少化石燃料的使用，降低碳排放；通过发电区域检测有助于确定最佳太阳能发电位置，最大程度地利用太阳能资源，生成的大气质量和环境实物检测数据可用于监测环境健康和改进环境资产；通过减少重阴影有助于最大程度地利用太阳能，提高发电效率，减损分析有助于确保光伏系统的可靠性，减少维护成本；通过减损分析有助于调整光伏面板以最大程度地吸收太阳能，提高系统性能，减损分析有助于提高能源产能的可预测性，有助于电力市场参与者更好地计划资源；确定设备安置位置和面板倾斜角度有助于实现最佳的光伏设备配置，提高发电效率，优化配置可降低建设和维护成本，提高投资回报率；光伏发电补偿有助于提高发电系统的稳定性和可靠性，减少功率波动，补偿可以改善电力质量，确保电力供应的连续性；发电调优有助于充分利用太阳能资源，提高光伏系统性能，调优有助于提高能源的可预测性，支持电力市场规划和需求预测；通过扩大可再生能源的占比，有助于减少化石燃料的使用，降低碳排放，推动可持续能源发展，减少碳排放有助于改善空气质量，减少环境污染。

优选地，步骤S36包括以下步骤：

步骤S361：根据环境实物检测数据进行日照射全天模拟，从而生成阴影分布区域数据；

步骤S362：对阴影分布区域数据进行照射时间划分，从而生成时间区间阴影数据；

步骤S363：对时间区间阴影数据进行可视化处理，从而生成区间阴影图数据；

步骤S364：对区间阴影图数据进行重叠阴影标注，从而生成重点阴影区域数据；

步骤S365：对重点阴影区域数据进行减损因子提取，从而生成重阴影减损因子。

本发明通过阴影分布区域数据的生成可以帮助了解特定地点或场景在一天中不同时间段的阴影分布情况，因为它允许确定建筑物或设备受到的阴影影响程度，从而优化其位置；通过时间区间阴影数据的生成允许将一天划分为不同时间段，并确定每个时间段内的阴影情况，有助于确定特定时间段内的可用自然光照度，以及哪些区域可能需要额外的照明设备或阴影管理策略；区间阴影图数据的可视化处理可以提供直观的数据，使用户更容易理解阴影分布；重叠阴影标注有助于确定一天内多次出现的特定阴影区域，有助于规划人员更好地了解潜在的问题区域，以采取适当的行动来减轻阴影带来的不利影响；重阴影减损因子的提取允许量化阴影对某个区域的影响程度。

优选地，步骤S37包括以下步骤：

步骤S371：对大气质量检测数据进行大气颗粒物识别，从而生成大气颗粒物数据；

步骤S372：对大气颗粒物数据进行主要成分分析，从而颗粒物降维数据；

步骤S373：对颗粒物降维数据进行颗粒物间距估计，从而生成颗粒物间距数据；

步骤S374：对颗粒物间距数据进行颗粒物浓度推测，从而生成颗粒物浓度数据；

步骤S375：对颗粒物浓度数据进行光折射角度计算，从而生成光折射角度参数；

步骤S376：对颗粒物浓度数据进行透光率计算，从而生成大气透光率参数；

步骤S377：对太阳照射数据进行照射周期规律计算，从而生成光入射角度参数；

步骤S378：根据光入射角度参数、光折射角度参数以及大气透光率参数进行偏差减损因子提取，从而生成光入偏差减损因子。

本发明通过，大气质量检测数据的分析和颗粒物识别，可以获得关于大气中颗粒物的数据；主要成分分析可以帮助识别和提取大气颗粒物数据中的关键数据，降低数据的复杂性，有助于简化后续分析步骤，减少计算成本，并提高数据的可解释性；通过颗粒物间距数据的生成可以帮助确定大气中颗粒物的分布和空间排列方式，可以了解颗粒物的扩散和传播和污染源的追踪；颗粒物浓度数据的生成可以估计大气中颗粒物的浓度水平；光折射角度参数的计算可以用于了解光线在大气中传播时的折射情况，对于光学系统的设计和性能评估，特别是在大气污染或颗粒物存在的情况下，非常有用；大气透光率参数的计算可以帮助了解大气中光线的透射能力，即光线通过大气时的衰减程度，对于太阳辐射、光传感应用、能源产量模拟和可见性预测非常重要；照射周期规律计算可以帮助确定太阳在不同时间点的高度角度和方位角度；光入偏差减损因子的提取可以帮助校正光线在大气中传播时可能产生的偏差，从而提高光辐射的量。

优选地，本发明还提供了一种电力交易多市场协同管控系统，包括：

多市场交易整合模块，用于获取多市场交易数据；对多市场交易数据进行多市场交易整合，从而生成电力交易整合数据；

市场需求预测模块，用于对电力交易整合数据进行周期波动预测，从而生成电力波动预测数据；

电力生产管控模块，用于对电力交易整合数据进行资源结构处理，从而生成第一电力生产数据；对第一电力生产数据进行碳排放减损分析，从而生成第二电力生产数据；

电力动态分配模块，用于根据电力波动预测数据、第一电力生产数据以及第二电力生产数据进行电力动态分配，从而生成电力分配策略数据；

多市场协同管控模块，用于根据电力分配策略数据进行协同交易管理，以实现电力交易多市场协同管控作业。

本申请的有益效果在于，通过多市场交易整合，可以整合多个市场的交易数据有助于建立更全面的电力市场视图，减少数据片段化，提高决策的全局性，整合数据可以提高市场透明度，使各参与者更容易了解市场的运行情况，从而降低了数据不对称的问题；通过周期波动预测有助于准确预测市场的电力需求，使电力供应商能够更好地规划产能，减少浪费，准确的需求数据有助于提高电力系统的可靠性，防止供需不平衡，减少停电风险；通过资源结构处理可以帮助确定最佳的电力生产结构，包括化石燃料、可再生能源等，从而提高能源资源的有效利用，碳排放减损分析有助于评估电力生产的环境影响，促进更清洁的能源生产；通过电力动态分配确保电力按需分配，最大限度地利用可用资源，提高了电力系统的资源利用效率，根据市场需求和资源情况进行动态分配有助于实现供需匹配，减少不必要的电力浪费，电力分配策略数据的生成使电力系统更加灵活，可以根据不同条件和需求做出实时调整；通过协同交易管理促进了不同市场之间的协作，确保电力供应的连贯性，降低了市场碎片化的风险，通过协同管理，市场可以更高效地响应需求变化，提供更稳定和可靠的电力供应，通过协同交易管理，可以降低电力交易的成本，包括交易执行和结算成本。因此，本发明提供了一种电力交易多市场协同管控方法及系统，通过周期波动预测对市场需求进行精准的预测；通过资源结构处理对电力的生产结构进行优化；通过碳排放减损分析对最大程度的提高可再生资源的发电量；使得在多市场的电力交易中能实现对市场需求的精准预测、对可再生资源的电力交易成本的降低以及高效的电力分配，进而降低碳排放。

附图说明

图1为一种电力交易多市场协同管控方法的步骤流程示意图；

图2为图1中步骤S1的详细实施步骤流程示意图；

图3为图1中步骤S36的详细实施步骤流程示意图；

图4为图1中步骤S37的详细实施步骤流程示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

为实现上述目的，请参阅图1至图4，一种电力交易多市场协同管控方法及系统，所述方法包括以下步骤：

步骤S1：获取多市场交易数据；对多市场交易数据进行多市场交易整合，从而生成电力交易整合数据；

步骤S2：对电力交易整合数据进行周期波动预测，从而生成电力波动预测数据；

步骤S3：对电力交易整合数据进行资源结构处理，从而生成第一电力生产数据；对第一电力生产数据进行碳排放减损分析，从而生成第二电力生产数据；

步骤S4：根据电力波动预测数据、第一电力生产数据以及第二电力生产数据进行电力动态分配，从而生成电力分配策略数据；

步骤S5：根据电力分配策略数据进行协同交易管理，以实现电力交易多市场协同管控作业。

本申请的有益效果在于，通过多市场交易整合，可以整合多个市场的交易数据有助于建立更全面的电力市场视图，减少数据片段化，提高决策的全局性，整合数据可以提高市场透明度，使各参与者更容易了解市场的运行情况，从而降低了数据不对称的问题；通过周期波动预测有助于准确预测市场的电力需求，使电力供应商能够更好地规划产能，减少浪费，准确的需求数据有助于提高电力系统的可靠性，防止供需不平衡，减少停电风险；通过资源结构处理可以帮助确定最佳的电力生产结构，包括化石燃料、可再生能源等，从而提高能源资源的有效利用，碳排放减损分析有助于评估电力生产的环境影响，促进更清洁的能源生产；通过电力动态分配确保电力按需分配，最大限度地利用可用资源，提高了电力系统的资源利用效率，根据市场需求和资源情况进行动态分配有助于实现供需匹配，减少不必要的电力浪费，电力分配策略数据的生成使电力系统更加灵活，可以根据不同条件和需求做出实时调整；通过协同交易管理促进了不同市场之间的协作，确保电力供应的连贯性，降低了市场碎片化的风险，通过协同管理，市场可以更高效地响应需求变化，提供更稳定和可靠的电力供应，通过协同交易管理，可以降低电力交易的成本，包括交易执行和结算成本。因此，本发明提供了一种电力交易多市场协同管控方法及系统，通过周期波动预测对市场需求进行精准的预测；通过资源结构处理对电力的生产结构进行优化；通过碳排放减损分析对最大程度的提高可再生资源的发电量；使得在多市场的电力交易中能实现对市场需求的精准预测、对可再生资源的电力交易成本的降低以及高效的电力分配，进而降低碳排放。

本发明实施例中，参考图1所述，为本发明一种电力交易多市场协同管控方法的步骤流程示意图，在本实例中，所述一种电力交易多市场协同管控方法包括以下步骤：

步骤S1：获取多市场交易数据；对多市场交易数据进行多市场交易整合，从而生成电力交易整合数据；

本发明实施例中，收集各个市场的电力交易数据，包括电力供应量、需求量、价格的数据；对不同市场的电力交易数据进行整合，将其统一格式并合并为一个数据集；生成的电力交易整合数据包含了多个市场的综合数据。

步骤S2：对电力交易整合数据进行周期波动预测，从而生成电力波动预测数据；

本发明实施例中，使用时间序列分析的方法对电力交易整合数据进行周期波动预测，预测结果提供了关于电力市场需求的趋势、季节性变化的数据；根据预测结果，生成电力波动预测数据，即预测了未来一段时间内电力市场的需求量。

步骤S3：对电力交易整合数据进行资源结构处理，从而生成第一电力生产数据；对第一电力生产数据进行碳排放减损分析，从而生成第二电力生产数据；

本发明实施例中，利用电力交易整合数据，分析和处理不同能源资源（如煤炭、天然气、太阳能、风能）在电力生产中的比例和结构；根据资源结构处理的结果，生成第一电力生产数据，制定各种能源资源在电力生产中的使用情况；对第一电力生产数据进行碳排放分析，评估并减损碳排放量；碳排放减损分析的结果生成第二电力生产数据。

步骤S4：根据电力波动预测数据、第一电力生产数据以及第二电力生产数据进行电力动态分配，从而生成电力分配策略数据；

本发明实施例中，结合电力波动预测数据、第一电力生产数据以及第二电力生产数据，制定电力动态分配策略；根据市场需求的变化，优化电力分配策略；电力分配策略数据包含了在不同市场需求和电力生产情况下的电力分配方案。

步骤S5：根据电力分配策略数据进行协同交易管理，以实现电力交易多市场协同管控作业；

本发明实施例中，基于电力分配策略数据，实施协同交易管理，包括电力生产，交易监控、订单管理、结算的环节；通过协同交易管理系统，实现多个市场间的电力交易协同和管控。

优选地，步骤S1包括以下步骤：

步骤S11：获取多市场交易数据；

步骤S12：对多市场交易数据进行市场交易数据清洗，从而生成市场交易清洗数据；

步骤S13：对市场交易清洗数据进行时间轴对齐，从而生成市场交易标准数据；

步骤S14：利用区块链技术对市场交易标准数据进行多市场交易共享，从而生成交易共享数据；

步骤S15：根据区块链技术中的智能合约对交易共享数据进行自动化数据整合，从而生成电力交易整合数据。

本发明通过获取多市场的交易数据，可以获得更全面的市场情报，包括不同市场参与者的行为和交易规模，这是整个流程的基础，确保了后续步骤能够有可靠的数据来源；通过清洗可以帮助去除数据中的噪声、错误或冗余数据，提高数据的准确性和质量，确保数据符合一致的标准和格式，便于后续处理和分析；通过将数据在时间轴上对齐，可以确保不同市场的数据在时间上是一致的，从而避免了因时间错位而产生的错误分析，使得不同市场的数据可以进行直观的比较和分析；通过区块链技术提供了高度安全的交易共享环境，保护了数据的完整性和隐私，通过区块链，可以建立一个去中心化的共享平台，减少了单一机构的控制权，增强了透明度和信任；通过利用智能合约实现数据整合，可以自动执行任务，减少了人工干预的需要，提高了效率，所有的整合过程都以智能合约的形式记录在区块链上，使整个过程具有高度的可追溯性和透明度。

作为本发明的一个实例，参考图2所示，在本实例中所述步骤S1包括：

步骤S11：获取多市场交易数据；

本发明实施例中，首先建立与各个市场的数据接口，通过实时API调用以及文件导入的方式进行获取各个市场的电力交易数据。

步骤S12：对多市场交易数据进行市场交易数据清洗，从而生成市场交易清洗数据；

本发明实施例中，首先通过市场交易数据清洗计算公式对多市场交易数据进行市场交易数据清洗，还包括处理缺失值、异常值、重复数据；对数据进行格式规范化和标准化；根据业务需求，进行数据筛选和转换。

步骤S13：对市场交易清洗数据进行时间轴对齐，从而生成市场交易标准数据；

本发明实施例中，针对多个市场的交易数据，进行时间轴对齐，对时间轴进行调整，转换为统一的时间戳。

步骤S14：利用区块链技术对市场交易标准数据进行多市场交易共享，从而生成交易共享数据；

本发明实施例中，使用区块链技术来创建分布式账本；将市场交易标准数据上传至区块链网络；通过智能合约来规定不同市场之间的交易规则，以及对多市场的交易内容进行共享交互。

步骤S15：根据区块链技术中的智能合约对交易共享数据进行自动化数据整合，从而生成电力交易整合数据；

本发明实施例中，利用区块链中的智能合约功能，对交易共享数据进行自动化的数据整合；智能合约根据预先设定的规则和算法，对不同市场的交易数据进行整合和汇总，生成电力交易整合数据；电力交易整合数据包括多个市场的交易统计指标、市场价格、供需情况的综合数据。

优选地，步骤S12中市场交易数据清洗通过市场交易数据清洗计算公式进行计算，其中市场交易数据清洗计算公式具体为：

，式中，/>

本发明构造了一种市场交易数据清洗计算公式，用于对多市场交易数据进行市场交易数据清洗；公式中，

优选地，步骤S2包括以下步骤：

步骤S21：对电力交易整合数据进行交易波动参数提取，从而生成交易波动参数；

步骤S22：对电力交易整合数据进行工业生产周期分析，从而生成工业生产周期参数；

步骤S23：获取电力资产数据；对电力资产数据进行电力消费预测，从而生成资产推动参数；

步骤S24：对周期波动参数、工业经济参数以及资产推动参数进行参数加权计算，从而生成电力消费能力数据；

步骤S25：对电力消费能力数据进行市场需求预测，从而生成电力波动预测数据。

本发明通过提取交易波动参数，可以评估电力市场的风险水平，帮助参与者更好地管理风险，了解市场的波动性有助于市场监管和决策制定，特别是在供需波动大的情况下；通过工业生产周期参数可以帮助分析市场的长期趋势，识别周期性波动，和规划提供依据，了解工业生产周期有助于预测电力需求，特别是对于工业部门的需求；通过电力资产数据，可以分析资产对电力市场的影响，包括激励措施、税收资产等，从而更好地理解市场动态，电力资产可以直接或间接影响电力消费，因此电力消费预测有助于市场参与者了解未来需求趋势；通过对交易波动、工业生产周期和资产推动参数的加权计算，生成电力消费能力数据，综合考虑了多个因素对市场的影响，提高了数据的综合性和可信度，电力消费能力数据可以为市场参与者提供决策支持，帮助他们做出更明智的决策，如投资计划、资源配置等；市场需求预测有助于维护供需平衡，确保电力市场的稳定运行，了解市场需求趋势可以帮助电力供应商规划资源和发电能力，以满足未来需求。

本发明实施例中从电力交易整合数据中提取相关指标，对提取的指标进行统计和分析，计算交易的波动性指标，如波动率、标准差；使用波动性计算方法，生成交易波动参数；利用电力交易整合数据中的相关指标进行工业生产周期分析，利用时间序列分析、季节性分析的方法，分析工业生产的周期性波动；提取工业生产周期参数，如周期长度、波动幅度的指标；获取相关电力资产数据，如能源资产、环保资产，对资产数据进行预处理和分析，了解资产对电力消费的影响，利用预测模型结合资产数据和其他相关指标，进行电力消费预测，提取资产推动参数，如资产影响系数、资产时效；利用参数加权计算公式将周期波动参数、工业经济参数和资产推动参数进行加权计算，根据具体需求和重要性权重，为每个参数赋予适当的权重，对各个参数进行加权求和，得出电力消费能力数据；对电力消费能力数据进行需求的长期和短期预测，根据预测结果，生成电力波动预测数据，包括需求量、需求趋势的数据。

优选地，步骤S24中参数加权计算通过参数加权计算公式进行计算，其中参数加权计算公式具体为：

本发明构造了一种参数加权计算公式，用于对周期波动参数、工业经济参数以及资产推动参数进行参数加权计算；公式中

优选地，步骤S22包括以下步骤：

步骤S221：对电力交易整合数据进行工业生产数据提取，从而生成工业生产数据；

步骤S222：对工业生产数据进行生产趋势数据提取，从而生成生产变化趋势数据；

步骤S223：对生产变化趋势数据进行工业季节数据提取，从而生成生产季节周期数据；

步骤S224：对生产季节周期数据进行工业残差值计算，从而生成生产随机波动数据；

步骤S225：对生产变化趋势数据进行趋势分析，从而生成生产长期趋势数据；

步骤S226：对生产季节周期数据进行季节性分析，从而生成生产季节影响数据；

步骤S227：根据生产长期趋势数据、生产季节影响数据以及生产随机波动数据进行工业生产变化预测，从而生成工业生产周期参数。

本发明通过提取工业生产数据允许将电力交易与实际生产活动关联起来，使数据更具可视化和实际意义，生成工业生产数据提供了电力市场参与者了解工业需求的基础，有助于市场分析和决策制定；通过提取生产趋势数据有助于分析工业生产的长期趋势，帮助预测未来需求和市场变化，趋势数据可用于制定长期策略，如新能源投资或电力供应合同的签订；通过提取季节周期数据可以揭示工业生产中的季节性模式，例如季节性高峰和低谷，帮助电力供应商更好地规划资源，通过季节周期数据有助于更准确地预测工业生产在不同季节的需求变化；通过计算工业残差值有助于分析生产中的随机波动，这对于供应链管理和资源规划至关重要，了解残差值可以帮助电力市场参与者更好地管理不确定性和风险；趋势分析提供了关于工业生产的长期趋势的见解，这对于长期资源规划和市场参与者非常重要，了解长期趋势可以帮助市场参与者更好地预测未来的电力需求；通过季节性分析允许将季节性影响考虑在内，有助于更准确地预测未来需求，避免供应短缺或过剩，了解季节性模式可以帮助电力供应商在不同季节合理配置资源；根据长期趋势、季节性影响和随机波动进行工业生产变化预测有助于准确预测未来电力需求，支持供应商和市场参与者做出合理的决策，预测工业生产变化可以帮助电力供应商和市场参与者优化资源配置，确保满足需求。

本发明实施例中，从电力交易整合数据中筛选出与工业生产相关的数据，将筛选和预处理后的数据汇总，生成工业生产数据的时间序列；利用移动平均法对工业生产数据进行平滑处理，以提取生产趋势，根据平滑后的数据，计算生产的变化趋势数据；使用季节分解法从生产变化趋势数据中提取季节周期成分，提取工业生产受季节性影响的部分，例如节假日或季节性需求波动；将生产变化趋势数据减去季节周期成分，得到残差值，这些残差值代表了工业生产中的随机波动，进行残差值的统计分析，进行随机性假设；利用趋势分析方法，对生产变化趋势数据进行分析，识别长期趋势的模式；计算季节周期成分的季节性影响，生成工业生产的季节影响数据，预测未来季节性的生产变化；结合长期趋势数据、季节影响数据和随机波动数据，建立适当的时间序列预测模型；使用建立的模型对未来工业生产进行预测，得出工业生产周期参数，包括长期趋势、季节性和随机波动的影响。

优选地，步骤S3包括以下步骤：

步骤S31：对电力交易整合数据进行交易数据降噪，从而生成电力交易降噪数据；

步骤S32：对电力资产数据进行电力生产估计，从而生成电力生产指标参数；

步骤S33：利用电力生产指标参数对电力交易降噪数据进行生产指标调整，从而生成第一电力生产数据；

步骤S34：对第一电力生产数据中的太阳能发电数据进行数据提取，从而生成太阳能发电数据；

步骤S35：对太阳能发电数据进行发电区域检测，从而生成大气质量检测数据、太阳照射检测数据以及环境实物检测数据；

步骤S36：根据环境实物检测数据进行重阴影减损分析，从而生成重阴影减损因子；

步骤S37：对大气质量检测数据以及太阳照射数据进行光入偏差减损分析，从而生成光入偏差减损因子；

步骤S38：根据重阴影减损因子以及光入偏差减损因子对太阳能发电数据中的光伏设备进行设备安置位置确定并进行设备面板倾斜调制，从而生成光伏设备分布参数以及光伏面板倾斜参数；

步骤S39：利用光伏设备分布参数以及光伏面板倾斜参数对光伏设备进行光伏发电补偿，从而生成光伏发电调优数据；

步骤S310：利用光伏发电调优数据对太阳能发电数据进行发电调优，从而生成最佳光伏发电数据；

步骤S311：根据最佳光伏发电数据进行碳排放占比扩大，从而生成第二电力生产数据。

本发明通过降噪可以去除交易数据中的异常值和噪音，提高数据质量，使后续分析更可靠，降噪有助于保护敏感数据，确保不会泄漏交易方的隐私；将电力资产数据用于电力生产估计有助于确保电力生产在资产框架内合规运营，资产数据提供了关于电力资产对电力生产的影响的数据，可以用于决策制定；通过将电力生产指标与交易数据关联，可以更准确地评估电力生产的实际情况，调整后的生产指标有助于电力生产商优化运营，提高能源生产效率；通过提取太阳能发电数据允许监测和分析可再生能源产能，支持可持续能源规划和管理，太阳能发电数据有助于减少化石燃料的使用，降低碳排放；通过发电区域检测有助于确定最佳太阳能发电位置，最大程度地利用太阳能资源，生成的大气质量和环境实物检测数据可用于监测环境健康和改进环境资产；通过减少重阴影有助于最大程度地利用太阳能，提高发电效率，减损分析有助于确保光伏系统的可靠性，减少维护成本；通过减损分析有助于调整光伏面板以最大程度地吸收太阳能，提高系统性能，减损分析有助于提高能源产能的可预测性，有助于电力市场参与者更好地计划资源；确定设备安置位置和面板倾斜角度有助于实现最佳的光伏设备配置，提高发电效率，优化配置可降低建设和维护成本，提高投资回报率；光伏发电补偿有助于提高发电系统的稳定性和可靠性，减少功率波动，补偿可以改善电力质量，确保电力供应的连续性；发电调优有助于充分利用太阳能资源，提高光伏系统性能，调优有助于提高能源的可预测性，支持电力市场规划和需求预测；通过扩大可再生能源的占比，有助于减少化石燃料的使用，降低碳排放，推动可持续能源发展，减少碳排放有助于改善空气质量，减少环境污染。

本发明实施例中，对电力交易整合数据进行交易数据降噪，去除异常值、空缺数据，获得更准确的电力交易数据；运用统计方法和模型，对电力资产数据进行分析和建模，以估计电力生产指标参数，如发电效率、发电成本；生成电力生产指标参数；将电力生产指标参数应用于电力交易降噪数据，根据指标参数对交易数据进行调整和修正；从第一电力生产数据中，提取太阳能发电相关的数据，如太阳能发电装置的装机容量、位置、高度的数据；根据太阳能发电数据，进行发电区域的检测和划分，通过传感器收集大气质量检测数据、太阳照射检测数据以及环境实物检测数据；利用环境实物检测数据，分析重阴影对太阳能发电的影响，首先对重阴影的轮廓进行描绘，得到重阴影的区域面积，对一定区域范围内的重阴影面积区域进行阴影密度、持续时间的计算与统计，进而算出该区域范围内的重阴影区域的面积占比与时间占比，最终通过上述条件计算重阴影减损因子，衡量阴影影响对太阳能发电的损失程度；根据大气质量检测数据和太阳照射数据，分析大气光学参数对太阳能光伏系统的入射光损失，首先利用光的折射原理对颗粒物浓度数据中的颗粒物进行光折射角度计算，再使用光感应设备对透过的光射进行透光率计算，最后通过太阳照射的模拟进行照射周期规律计算，通过上述的三个维度参数因子以及光线追迹法计算光入偏差减损因子，衡量大气条件对太阳能发电效率的影响；根据重阴影减损因子和光入偏差减损因子，确定光伏设备的安置位置，进行光伏面板的倾斜调制，生成光伏设备分布参数和光伏面板倾斜参数；确定光伏设备的数量、位置和布局，以及每个设备的光伏面板安装倾角和朝向等参数，确定光伏面板的倾斜角度和朝向，使用收集到的光伏设备分布参数和光伏面板倾斜参数，建立光伏发电补偿模型，利用光伏发电补偿模型，对每个光伏设备进行补偿计算，考虑光伏设备间的相互遮挡、阴影效应以及光照变化的因素，根据实际条件对光伏发电能力进行修正和补偿，得到光伏发电调优数据；根据最佳光伏发电数据，计算光伏发电所能替代的传统电力生产方式的碳排放量，根据计算得到的碳排放占比，将光伏发电在总电力生产中的比例扩大，根据扩大后的碳排放占比和原始电力生产数据，结合其他因素（如其他可再生能源的比例），生成第二电力生产数据。

优选地，步骤S36包括以下步骤：

步骤S361：根据环境实物检测数据进行日照射全天模拟，从而生成阴影分布区域数据；

步骤S362：对阴影分布区域数据进行照射时间划分，从而生成时间区间阴影数据；

步骤S363：对时间区间阴影数据进行可视化处理，从而生成区间阴影图数据；

步骤S364：对区间阴影图数据进行重叠阴影标注，从而生成重点阴影区域数据；

步骤S365：对重点阴影区域数据进行减损因子提取，从而生成重阴影减损因子。

本发明通过阴影分布区域数据的生成可以帮助了解特定地点或场景在一天中不同时间段的阴影分布情况，因为它允许确定建筑物或设备受到的阴影影响程度，从而优化其位置；通过时间区间阴影数据的生成允许将一天划分为不同时间段，并确定每个时间段内的阴影情况，有助于确定特定时间段内的可用自然光照度，以及哪些区域可能需要额外的照明设备或阴影管理策略；区间阴影图数据的可视化处理可以提供直观的数据，使用户更容易理解阴影分布；重叠阴影标注有助于确定一天内多次出现的特定阴影区域，有助于规划人员更好地了解潜在的问题区域，以采取适当的行动来减轻阴影带来的不利影响；重阴影减损因子的提取允许量化阴影对某个区域的影响程度。

作为本发明的一个实例，参考图3所示，在本实例中所述步骤S36包括：

步骤S361：根据环境实物检测数据进行日照射全天模拟，从而生成阴影分布区域数据；

本发明实施例中，基于收集到的环境实物检测数据，建立日照模拟模型，模拟太阳在不同时间点下的光照情况，包括直射光和漫反射光；利用建立的日照模拟模型，进行日照射全天模拟，模拟过程会考虑太阳轨迹、阴影投射和光线衰减的因素，生成在不同时刻的阴影分布情况。

步骤S362：对阴影分布区域数据进行照射时间划分，从而生成时间区间阴影数据；

本发明实施例中，根据日照射全天模拟的结果，获取阴影分布的空间数据，表示阴影覆盖的地区；将一天的时间划分为每十分钟一个时间段的多个时间段；然后，根据阴影分布区域数据，在每个时间段内确定哪些区域受到阴影的覆盖。

步骤S363：对时间区间阴影数据进行可视化处理，从而生成区间阴影图数据；

本发明实施例中，将划分好的时间区间阴影数据进行处理，包括数据格式转换、数据清洗或空间插值；利用可视化工具，将时间区间阴影数据转化为可视化图像，使用不同的颜色或灰度来表示不同时间段内的阴影覆盖情况，生成区间阴影图数据。

步骤S364：对区间阴影图数据进行重叠阴影标注，从而生成重点阴影区域数据；

本发明实施例中，对区间阴影图进行分析，确定哪些区域受到重叠阴影的影响，即在多个时间段内都存在阴影覆盖的区域；在区间阴影图上标注出重点阴影区域，以表示那些在多个时间段内始终受到阴影覆盖的区域。

步骤S365：对重点阴影区域数据进行减损因子提取，从而生成重阴影减损因子。

本发明实施例中，根据重点阴影区域数据，对光伏发电的减损因子进行提取，即提取由于阴影覆盖导致光伏发电能力降低的数值；分析重点阴影区域的特征和属性，确定减损因子与阴影覆盖的关系，考虑区域的阴影密度、持续时间的因素来计算减损因子；根据分析的结果，计算每个重点阴影区域的减损因子；将计算得到的减损因子与重点阴影区域的数据结合，生成重阴影减损因子数据。

优选地，步骤S37包括以下步骤：

步骤S371：对大气质量检测数据进行大气颗粒物识别，从而生成大气颗粒物数据；

步骤S372：对大气颗粒物数据进行主要成分分析，从而颗粒物降维数据；

步骤S373：对颗粒物降维数据进行颗粒物间距估计，从而生成颗粒物间距数据；

步骤S374：对颗粒物间距数据进行颗粒物浓度推测，从而生成颗粒物浓度数据；

步骤S375：对颗粒物浓度数据进行光折射角度计算，从而生成光折射角度参数；

步骤S376：对颗粒物浓度数据进行透光率计算，从而生成大气透光率参数；

步骤S377：对太阳照射数据进行照射周期规律计算，从而生成光入射角度参数；

步骤S378：根据光入射角度参数、光折射角度参数以及大气透光率参数进行偏差减损因子提取，从而生成光入偏差减损因子。

本发明通过，大气质量检测数据的分析和颗粒物识别，可以获得关于大气中颗粒物的数据；主要成分分析可以帮助识别和提取大气颗粒物数据中的关键数据，降低数据的复杂性，有助于简化后续分析步骤，减少计算成本，并提高数据的可解释性；通过颗粒物间距数据的生成可以帮助确定大气中颗粒物的分布和空间排列方式，可以了解颗粒物的扩散和传播和污染源的追踪；颗粒物浓度数据的生成可以估计大气中颗粒物的浓度水平；光折射角度参数的计算可以用于了解光线在大气中传播时的折射情况，对于光学系统的设计和性能评估，特别是在大气污染或颗粒物存在的情况下，非常有用；大气透光率参数的计算可以帮助了解大气中光线的透射能力，即光线通过大气时的衰减程度，对于太阳辐射、光传感应用、能源产量模拟和可见性预测非常重要；照射周期规律计算可以帮助确定太阳在不同时间点的高度角度和方位角度；光入偏差减损因子的提取可以帮助校正光线在大气中传播时可能产生的偏差，从而提高光辐射的量。

作为本发明的一个实例，参考图4所示，在本实例中所述步骤S37包括：

步骤S371：对大气质量检测数据进行大气颗粒物识别，从而生成大气颗粒物数据；

本发明实施例中，应用聚类算法对预处理后的数据进行颗粒物识别，将数据分为不同的颗粒物类别，并为每个类别分配相应的标签。

步骤S372：对大气颗粒物数据进行主要成分分析，从而颗粒物降维数据；

本发明实施例中，将经过识别的大气颗粒物数据进行准备，使得数据符合主要成分分析的要求；应用主要成分分析对准备好的颗粒物数据进行降维处理，将高维的颗粒物数据转换为低维的特征向量，保留数据中最主要的成分；获得颗粒物数据的降维表示。

步骤S373：对颗粒物降维数据进行颗粒物间距估计，从而生成颗粒物间距数据；

本发明实施例中，对每个颗粒物簇中的样本点，计算样本点与其所属簇中其他样本点之间的距离，通过这些距离表示颗粒物之间的间距；将颗粒物间的距离数据整理成数据形式，生成颗粒物间距数据。

步骤S374：对颗粒物间距数据进行颗粒物浓度推测，从而生成颗粒物浓度数据；；

本发明实施例中，使用回归分析建立颗粒物浓度推测模型；该模型将颗粒物间距数据作为输入特征，颗粒物浓度作为目标变量，通过学习数据的模式和关系来进行浓度推测；利用建立的浓度推测模型，对预处理后的颗粒物间距数据进行浓度推测，通过模型的预测，为每个颗粒物间距数据点生成相应的颗粒物浓度值；整理颗粒物浓度推测的结果，生成颗粒物浓度数据。

步骤S375：对颗粒物浓度数据进行光折射角度计算，从而生成光折射角度参数；

本发明实施例中，考虑大气折射率、光的入射角度的因素计算在给定颗粒物浓度下的光折射角度；根据计算得到的光折射角度，生成光折射角度参数，表示颗粒物浓度对光传输的影响程度。

步骤S376：对颗粒物浓度数据进行透光率计算，从而生成大气透光率参数；

本发明实施例中，考虑颗粒物与光的相互作用、散射、吸收的因素计算给定颗粒物浓度下的透光率；将计算得到的透光率转化为大气透光率参数。

步骤S377：对太阳照射数据进行照射周期规律计算，从而生成光入射角度参数；

本发明实施例中，使用几何关系将太阳高度角和方位角转换为太阳的入射角度参数；通过使用太阳高度角和方位角的三角函数计算光线入射的角度。

步骤S378：根据光入射角度参数、光折射角度参数以及大气透光率参数进行偏差减损因子提取，从而生成光入偏差减损因子；

本发明实施例中，使用光学物理模型和数学公式结合入射角度、折射角度和大气透光率参数，计算生成偏差减损因子。

优选地，本发明还提供了一种电力交易多市场协同管控系统，包括：

多市场交易整合模块，用于获取多市场交易数据；对多市场交易数据进行多市场交易整合，从而生成电力交易整合数据；

市场需求预测模块，用于对电力交易整合数据进行周期波动预测，从而生成电力波动预测数据；

电力生产管控模块，用于对电力交易整合数据进行资源结构处理，从而生成第一电力生产数据；对第一电力生产数据进行碳排放减损分析，从而生成第二电力生产数据；

电力动态分配模块，用于根据电力波动预测数据、第一电力生产数据以及第二电力生产数据进行电力动态分配，从而生成电力分配策略数据；

多市场协同管控模块，用于根据电力分配策略数据进行协同交易管理，以实现电力交易多市场协同管控作业。

本申请的有益效果在于，通过多市场交易整合，可以整合多个市场的交易数据有助于建立更全面的电力市场视图，减少数据片段化，提高决策的全局性，整合数据可以提高市场透明度，使各参与者更容易了解市场的运行情况，从而降低了数据不对称的问题；通过周期波动预测有助于准确预测市场的电力需求，使电力供应商能够更好地规划产能，减少浪费，准确的需求数据有助于提高电力系统的可靠性，防止供需不平衡，减少停电风险；通过资源结构处理可以帮助确定最佳的电力生产结构，包括化石燃料、可再生能源等，从而提高能源资源的有效利用，碳排放减损分析有助于评估电力生产的环境影响，促进更清洁的能源生产；通过电力动态分配确保电力按需分配，最大限度地利用可用资源，提高了电力系统的资源利用效率，根据市场需求和资源情况进行动态分配有助于实现供需匹配，减少不必要的电力浪费，电力分配策略数据的生成使电力系统更加灵活，可以根据不同条件和需求做出实时调整；通过协同交易管理促进了不同市场之间的协作，确保电力供应的连贯性，降低了市场碎片化的风险，通过协同管理，市场可以更高效地响应需求变化，提供更稳定和可靠的电力供应，通过协同交易管理，可以降低电力交易的成本，包括交易执行和结算成本。因此，本发明提供了一种电力交易多市场协同管控方法及系统，通过周期波动预测对市场需求进行精准的预测；通过资源结构处理对电力的生产结构进行优化；通过碳排放减损分析对最大程度的提高可再生资源的发电量；使得在多市场的电力交易中能实现对市场需求的精准预测、对可再生资源的电力交易成本的降低以及高效的电力分配，进而降低碳排放。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。