电力市场化交易方法、装置、终端及存储介质

技术领域

本发明涉及电力资源优化技术领域，尤其涉及一种电力市场化交易方法、装置、终端及存储介质。

背景技术

受资源禀赋影响，不同地区面对的能源问题有很大的不同。以中国为例，其风电、太阳能发电装机集中分布在“三北”地区。受就地消纳空间有限、系统调峰能力不足和跨区域消纳机制不健全等因素制约，弃风、弃光现象较为普遍。

风电、光伏等新能源因为发电功率随机波动，当前的技术无法实现中长期精准预测，难以参与跨区域中长期交易，跨区域电量消纳受到影响。基于短期、超短期发电功率预测的跨区域现货交易，可有效化解传统电量交易与新能源出力随机波动的矛盾，在更广地域内扩大新能源消纳空间，充分发挥新能源机组和特高压电网的投资和环保效益，并降低全燃料成本。

电力现货交易充分体现买卖主体自主参与、自主决策的特点，可实现市场对资源的优化配置。一方面需重点关注区外新能源购电成本和可能带来的调峰成本与本地机组平均购电成本的权衡问题。另一方面，从系统条件和物理约束来看，受端区域常规机组调节性能、本地区新能源装机与出力、电网互联互通情况、区域负荷规模和峰谷差也是影响新能源跨区域消纳的几个关键因素。

基于此，需要开发设计出一种电力市场化交易方法。

发明内容

本发明实施方式提供了一种电力市场化交易方法、装置、终端及存储介质，用于减少因发电不均衡带来的资源浪费，实现资源的优化配置。

第一方面，本发明实施方式提供了一种电力市场化交易方法，包括：

获取当前时段的用电负荷曲线；

根据所述用电负荷曲线确定在未来时段内的用电负荷；

根据所述未来时段内的用电负荷、异地购电价格、本地购电成本模型以及异地购电成本模型，构建以资源消耗量为目标的交易约束方程；

对所述交易约束方程进行求解，确定异地购电量最优的电力交易方案。

在一种可能实现的方式中，所述根据所述用电负荷曲线确定用电负荷预测，包括：

获取多个历史用电负荷数据集，其中，历史用电负荷数据集包括多个按照预定时间间隔顺序排列的历史用电负荷数据；

对所述用电负荷曲线按照所述预定时间间隔进行采样，获取多个用电负荷数据；

对所述多个用电负荷数据进行归一化处理，获得用电负荷数据序列、第一缩放系数以及第一偏置系数；

根据第一公式、所述多个历史用电负荷数据集以及所述用电负荷数据序列，确定与所述多个历史用电负荷数据集相对应的多个对照系数，其中，所述第一公式为：

式中，comp为对照系数，N为用电负荷数据序列中数据的总数量，lserial(n)为电负荷数据序列中的第n个数据，h(n)为历史用电负荷数据集中的第n个数据；

选择对照系数值最大的历史用电负荷数据集作为目标数据集；

获取所述目标数据集下一时段的多个待处理数据；

根据所述多个待处理数据、所述用电负荷数据序列、所述第一缩放系数以及所述第一偏置系数确定用电负荷预测。

在一种可能实现的方式中，所述根据所述多个待处理数据、所述用电负荷数据序列、所述第一缩放系数以及所述第一偏置系数确定用电负荷预测，包括：

对所述目标数据集进行归一化处理，获得第二缩放系数；

对所述多个待处理数据进行归一化处理，获得待处理数据序列；

根据第二公式、所述第一缩放系数、第一偏置系数、所述第二缩放系数以及所述待处理数据序列，确定用电负荷预测，其中，所述第二公式为：

式中，SLF为用电负荷预测，zf1为第一缩放系数，zf2为第二缩放系数，pserial(n)为待处理数据序列，b为第一偏置系数。

在一种可能实现的方式中，所述对所述多个用电负荷数据进行归一化处理，获得用电负荷数据序列、第一缩放系数以及第一偏置系数，包括：

根据第三公式对所述多个用电负荷数据进行归一化处理，获得用电负荷数据序列、第一缩放系数以及第一偏置系数，其中，所述第三公式为：

式中，lserial(n)为用电负荷数据序列的第n个数据，DS(n)为多个用电负荷数据中的第n个数据，DS(min)为多个用电负荷数据中值最小的数据，DS(max)为多个用电负荷数据中值最大的数据，zf1为第一缩放系数，b为第一偏置系数。

在一种可能实现的方式中，所述异地购电成本模型以及所述本地购电成本模型分别根据多个历史购电成本确定，包括：

获取多个购电成本以及与所述多个购电成本相对应的多个调度数据集，其中，调度数据集包括多个影响购电成本的数据；

将所述多个购电成本以及所述多个调度数据集依次输入至购电模型方程，获得对应所述多个购电成本的方程组，其中，所述购电模型方程中包括多个待定系数；

根据所述方程组对所述购电模型中的多个待定系数进行求解；

将所述多个待定系数的解代入到所述购电模型方程中，将所述购电模型方程作为所述购电成本模型。

在一种可能实现的方式中，调度数据集包括：购电量、人力资源消耗量、传输距离、设备损耗以及购电价格，所述购电模型方程为：

式中，Cost为购电成本，price为购电价格，total为购电量，h为人力资源消耗，whm为第一待定系数，e为自然常数，eqw为设备损耗，weq为第二待定系数，wtran为第三待定系数，ltran为传输距离。

在一种可能实现的方式中，所述根据所述未来时段内的用电负荷、异地购电价格、本地购电成本模型以及异地购电成本模型，构建以资源消耗量为目标的交易约束方程，包括：

根据第四公式、所述未来时段内的用电负荷、异地购电价格、本地购电成本模型以及异地购电成本模型，构建以资源消耗量为目标的交易约束方程，其中，所述第四公式为：

tcost＝Costlocal·otallocal+Ostremote·(SLF-totallocal)

式中，tcost为总资源消耗量，Costlocal为本地购电成本，torallocal为本地购电量，Costremote为异地购电成本，SLF为用电负荷预测。

第二方面，本发明实施方式提供了一种电力市场化交易装置，用于实现如上第一方面或第一方面的任一种可能的实现方式所述的电力市场化交易方法，所述电力市场化交易装置包括：

负荷曲线获取模块，用于获取当前时段的用电负荷曲线；

负荷预测模块，用于根据所述用电负荷曲线确定在未来时段内的用电负荷；

交易方程构建模块，用于根据所述未来时段内的用电负荷、异地购电价格、本地购电成本模型以及异地购电成本模型，构建以资源消耗量为目标的交易约束方程；

以及，

交易方案确定模块，用于对所述交易约束方程进行求解，确定异地购电量最优的电力交易方案。

第三方面，本发明实施方式提供了一种终端，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。

第四方面，本发明实施方式提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。

本发明实施方式与现有技术相比存在的有益效果是：

本发明实施方式公开了的一种电力市场化交易方法，其首先获取当前时段的用电负荷曲线；然后，根据所述用电负荷曲线确定在未来时段内的用电负荷；接着，根据所述未来时段内的用电负荷、异地购电价格、本地购电成本模型以及异地购电成本模型，构建以资源消耗量为目标的交易约束方程；最后，对所述交易约束方程进行求解，确定异地购电量最优的电力交易方案。本发明实施方式，基于短期预测以及购电模型构建交易约束方程，通过求解极值的方式，确定本地购电量和异地购电量，从而可以均衡本地购电和异地购电的电量，减少了资源配置不合理带来的资源浪费。

附图说明

为了更清楚地说明本发明实施方式中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施方式提供的电力市场化交易方法的流程图；

图2是本发明实施方式提供的电力市场化交易装置功能框图；

图3是本发明实施方式提供的终端功能框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施方式。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施方式来进行说明。

下面对本发明的实施例作详细说明，本实例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

图1为本发明实施方式提供的电力市场化交易方法的流程图。

如图1所示，其示出了本发明实施方式提供的电力市场化交易方法的实现流程图，详述如下：

在步骤101中，获取当前时段的用电负荷曲线。

在步骤102中，根据所述用电负荷曲线确定在未来时段内的用电负荷。

在一些实施方式中，所述步骤102包括：

获取多个历史用电负荷数据集，其中，历史用电负荷数据集包括多个按照预定时间间隔顺序排列的历史用电负荷数据；

对所述用电负荷曲线按照所述预定时间间隔进行采样，获取多个用电负荷数据；

对所述多个用电负荷数据进行归一化处理，获得用电负荷数据序列、第一缩放系数以及第一偏置系数；

根据第一公式、所述多个历史用电负荷数据集以及所述用电负荷数据序列，确定与所述多个历史用电负荷数据集相对应的多个对照系数，其中，所述第一公式为：

式中，comp为对照系数，N为用电负荷数据序列中数据的总数量，lserial(n)为电负荷数据序列中的第n个数据，h(n)为历史用电负荷数据集中的第n个数据；

选择对照系数值最大的历史用电负荷数据集作为目标数据集；

获取所述目标数据集下一时段的多个待处理数据；

根据所述多个待处理数据、所述用电负荷数据序列、所述第一缩放系数以及所述第一偏置系数确定用电负荷预测。

在一些实施方式中，所述根据所述多个待处理数据、所述用电负荷数据序列、所述第一缩放系数以及所述第一偏置系数确定用电负荷预测，包括：

对所述目标数据集进行归一化处理，获得第二缩放系数；

对所述多个待处理数据进行归一化处理，获得待处理数据序列；

根据第二公式、所述第一缩放系数、第一偏置系数、所述第二缩放系数以及所述待处理数据序列，确定用电负荷预测，其中，所述第二公式为：

式中，SLF为用电负荷预测，zf1为第一缩放系数，zf2为第二缩放系数，pserial(n)为待处理数据序列，b为第一偏置系数。

在一些实施方式中，所述对所述多个用电负荷数据进行归一化处理，获得用电负荷数据序列、第一缩放系数以及第一偏置系数，包括：

根据第三公式对所述多个用电负荷数据进行归一化处理，获得用电负荷数据序列、第一缩放系数以及第一偏置系数，其中，所述第三公式为：

式中，lserial(n)为用电负荷数据序列的第n个数据，DS(n)为多个用电负荷数据中的第n个数据，DS(min)为多个用电负荷数据中值最小的数据，DS(max)为多个用电负荷数据中值最大的数据，zf1为第一缩放系数，b为第一偏置系数。

示例性地，本发明实施方式通过用电负荷曲线与历史用电负荷，确定未来一段时段的用电负荷。

具体来说，就是将用电负荷曲线进行采样，这个采样的时间间隔与历史用电负荷数据集中相邻两个用电负荷数据的间隔相同，从而获得用电负荷数据。

然后，将用电负荷数据进行归一化处理，得到了用电负荷数据序列、第一缩放系数和第一偏置系数。归一化后，就可以根据第一公式确定与多个历史用电负荷数据集的对照系数，第一公式：

式中，COmp为对照系数，N为用电负荷数据序列中数据的总数量，lserial(n)为电负荷数据序列中的第n个数据，h(n)为历史用电负荷数据集中的第n个数据；

很显然，如果对照系数值较大的数据集，其对应的负荷曲线的形状与当前用电负荷曲线最为近似，因此，将这个历史用电负荷数据集作为目标数据集。进一步地，将这个目标数据集相邻的、晚于这个目标数据集的数据集作为待处理数据集，待处理数据集中的多个数据进行缩放、偏移后，就可以作为预测负荷曲线。

具体来说，首先将目标数据集的多个数据进行归一化处理，获得第二缩放系数，将待处理数据集中的多个待处理数据进行归一化处理，获得待处理数据序列。

根据第二公式以及待处理数据序列，就可以确定下一时段的用电负荷，第二公式为：

式中，SlF为用电负荷预测，zf1为第一缩放系数，zf2为第二缩放系数，pserial(n)为待处理数据序列，b为第一偏置系数。

上述计算用电负荷的过程中，提及了对用电负荷数据归一化处理、对目标数据集进行归一化处理以及对多个待处理数据进行归一化处理，本发明提供了一种归一化处理的方法，以多个用电负荷数据为例，其归一化过程是采用如第三公式的归一化方式，第三公式为：

式中，lserial(n)为用电负荷数据序列的第n个数据，DS(n)为多个用电负荷数据中的第n个数据，DS(min)为多个用电负荷数据中值最小的数据，DS(max)为多个用电负荷数据中值最大的数据，zf1为第一缩放系数，b为第一偏置系数。

在步骤103中，根据所述未来时段内的用电负荷、异地购电价格、本地购电成本模型以及异地购电成本模型，构建以资源消耗量为目标的交易约束方程。

在一些实施方式中，所述步骤103包括：

根据第四公式、所述未来时段内的用电负荷、异地购电价格、本地购电成本模型以及异地购电成本模型，构建以资源消耗量为目标的交易约束方程，其中，所述第四公式为：

tcost＝Costlocal·otallocal+ostremote·(SLF-totallocal)

式中，tcost为总资源消耗量，Costlocal为本地购电成本，torallocal为本地购电量，Costremote为异地购电成本，SLF为用电负荷预测。

在一些实施方式中，所述异地购电成本模型以及所述本地购电成本模型分别根据多个历史购电成本确定，包括：

获取多个购电成本以及与所述多个购电成本相对应的多个调度数据集，其中，调度数据集包括多个影响购电成本的数据；

将所述多个购电成本以及所述多个调度数据集依次输入至购电模型方程，获得对应所述多个购电成本的方程组，其中，所述购电模型方程中包括多个待定系数；

根据所述方程组对所述购电模型中的多个待定系数进行求解；

将所述多个待定系数的解代入到所述购电模型方程中，将所述购电模型方程作为所述购电成本模型。

在一些实施方式中，调度数据集包括：购电量、人力资源消耗量、传输距离、设备损耗以及购电价格，所述购电模型方程为：

式中，Cost为购电成本，price为购电价格，total为购电量，h为人力资源消耗，whm为第一待定系数，e为自然常数，eqw为设备损耗，weq为第二待定系数，wtran为第三待定系数，ltran为传输距离。

示例性地，交易约束方程是以消耗最少的资源量为目标进行构建的，资源消耗包括本地购电的资源消耗和异地购电的资源消耗，因此，构建的交易约束方程为：

tcost＝Costlocal·otallocal+ostremote·(SLF-totallocal)

式中，tcost为总资源消耗量，Costlocal为本地购电成本，totallocal为本地购电量，Costremote为异地购电成本，SLF为用电负荷预测。

实际上，本地购电资源消耗与异地购电资源消耗并非与购电量呈线性的关系，以异地购电为例，由于异地购电涉及到线路损耗、设备损耗和人力消耗量的影响，因此，存在一个最优的本地购电量和外地购电量的最优解，这其中就涉及到了计算购电成本的方程。

本发明提供了一个计算购电成本的方程：

式中，Cost为购电成本，price为购电价格，total为购电量，h为人力资源消耗，whm为第一待定系数，e为自然常数，eqw为设备损耗，weq为第二待定系数，wtran为第三待定系数，ltran为传输距离。

上述公式有三个待定系数，这三个待定系数实际上可以根据历史购电成本进行确定，具体来说，获取购电成本和购电成本中的各个成本构成因素：购电量、人力资源消耗量、传输距离、设备损耗以及购电价格，将上述构成因素输入到购电成本的方程中，就可以获得三个待定系数的解。

当获得了待定系数的解后，就可以代入到上述购电成本的方程中，建立本地购电成本模型和异地购电成本模型。

根据购电价格和上述成本因素：购电量、人力资源消耗量、传输距离、设备损耗代入到上述模型中，就确定了本地购电成本和异地购电成本。

在步骤104中，对所述交易约束方程进行求解，确定异地购电量最优的电力交易方案。

示例性地，将上述本地购电成本和异地购电成本代入到交易约束方程中，通过求解约束方程的最小极值，就可以确定本地购电量和异地购电量，也就是最优的电力交易方案。

本发明电力市场化交易方法实施方式，其首先获取当前时段的用电负荷曲线；然后，根据所述用电负荷曲线确定在未来时段内的用电负荷；接着，根据所述未来时段内的用电负荷、异地购电价格、本地购电成本模型以及异地购电成本模型，构建以资源消耗量为目标的交易约束方程；最后，对所述交易约束方程进行求解，确定异地购电量最优的电力交易方案。本发明实施方式，基于短期预测以及购电模型构建交易约束方程，通过求解极值的方式，确定本地购电量和异地购电量，从而可以均衡本地购电和异地购电的电量，减少了资源配置不合理带来的资源浪费。

应理解，上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施方式的实施过程构成任何限定。

以下为本发明的装置实施方式，对于其中未详尽描述的细节，可以参考上述对应的方法实施方式。

图2是本发明实施方式提供的电力市场化交易装置功能框图，参照图2，电力市场化交易装置2包括：负荷曲线获取模块201、负荷预测模块202、交易方程构建模块203以及交易方案确定模块204，其中：

负荷曲线获取模块201，用于获取当前时段的用电负荷曲线；

负荷预测模块202，用于根据所述用电负荷曲线确定在未来时段内的用电负荷；

交易方程构建模块203，用于根据所述未来时段内的用电负荷、异地购电价格、本地购电成本模型以及异地购电成本模型，构建以资源消耗量为目标的交易约束方程；

交易方案确定模块204，用于对所述交易约束方程进行求解，确定异地购电量最优的电力交易方案。

图3是本发明实施方式提供的终端的功能框图。如图3所示，该实施方式的终端3包括：处理器300和存储器301，所述存储器301中存储有可在所述处理器300上运行的计算机程序302。所述处理器300执行所述计算机程序302时实现上述各个电力市场化交易方法及实施方式中的步骤，例如图1所示的步骤101至步骤104。

示例性的，所述计算机程序302可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器301中，并由所述处理器300执行，以完成本发明。

所述终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端3可包括，但不仅限于，处理器300、存储器301。本领域技术人员可以理解，图3仅仅是终端3的示例，并不构成对终端3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端3还可以包括输入输出设备、网络接入设备、总线等。

所称处理器300可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器301可以是所述终端3的内部存储单元，例如终端3的硬盘或内存。所述存储器301也可以是所述终端3的外部存储设备，例如所述终端3上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器301还可以既包括所述终端3的内部存储单元也包括外部存储设备。所述存储器301用于存储所述计算机程序302以及所述终端3所需的其他程序和数据。所述存储器301还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。

在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述或记载的部分，可以参见其它实施方式的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施方式中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法及装置实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。

以上所述实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围，均应包含在本发明的保护范围之内。