CN116307701A - 电力零售市场风险指标的分时段类别监控分析方法及*** - Google Patents
电力零售市场风险指标的分时段类别监控分析方法及*** Download PDFInfo
- Publication number
- CN116307701A CN116307701A CN202310192669.4A CN202310192669A CN116307701A CN 116307701 A CN116307701 A CN 116307701A CN 202310192669 A CN202310192669 A CN 202310192669A CN 116307701 A CN116307701 A CN 116307701A
- Authority
- CN
- China
- Prior art keywords
- risk index
- risk
- time
- electricity selling
- period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 230000005611 electricity Effects 0.000 claims description 79
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 6
- 238000013498 data listing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种电力零售市场风险指标的分时段类别监控分析方法及***,属于电力市场风险监测技术领域。该方法包括风险指标监测、基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算;基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理,获得该风险指标按时段分类的最佳分类方法;按最佳分法分类完毕后,根据实际需要进行风险指标分析。本发明考虑电力零售市场风险指标在不同时段可能具有相似特征,为了***进行上述风险指标纵向及横向对比,基于熵值法和加权聚类方法,提出本发明方法,将具有相似特征的时段归类,从而能够对各时段类别的风险指标进行归纳分析。
Description
技术领域
本发明属于电力市场风险监测技术领域,具体涉及一种电力零售市场风险指标的分时段类别监控分析方法及***。
背景技术
目前,国家电力体制改革稳步推进,电力市场建设、发展如火如荼。电力零售市场是电力市场的一个重要组成部分,其中,售电公司是一类重要的市场角色,起着沟通批发市场和零售市场的关键作用,其涉及市场风险也就相对突出。作为市场运营机构,对电力零售市场风险尤其是其中售电公司涉及风险指标进行监控十分必要。市场运营机构在进行电力零售市场风险监控时,往往需每年、每月或每日定期进行监控,对于分时段监控所得结果,需要分时段纵向对比单个售电公司风险指标变化及横向对比各售电公司在同一时段风险指标差异。
目前行业内对售电公司风险指标进行监控往往通过数据罗列的方式,即罗列出重点关注售电公司的各时间阶段风险指标取值,再对全量的数据进行观察分析,若某一时期某家售电公司的风险指标超出交易机构认为的正常范围则发出预警,这种方法缺少对风险指标数据规律性的总结,在市场规模较大、售电公司数量较多、涉及风险指标数量较多时效率低下且容易出错。因此如何克服现有技术的不足是目前电力市场风险监测技术领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种电力零售市场风险指标的分时段类别监控分析方法及***,将具有相似特征的时段归类,从而能够对各时段类别的风险指标进行归纳分析。
为实现上述目的,本发明采用的技术方案如下:
电力零售市场风险指标的分时段类别监控分析方法,包括如下步骤:
步骤(1),对电力市场中N个售电公司在T个不同时段的某一风险指标进行监测,得到风险指标取值X(t,n);X(t,n)为第n个售电公司在第t个时段的风险指标取值;n=1,2,...,N;t=1,2,...,T;N为售电公司总数量;T为时段总数量;
步骤(2),基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算,得到各个售电公司的权重k(n);
步骤(3),基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理,获得该风险指标按时段分类的最佳分类方法;
步骤(4),按最佳分法分类完毕后,根据实际需要进行风险指标分析。
进一步,优选的是,步骤(2)中,各个售电公司的权重k(n)的具体计算过程如下:
式中,b(t,n)为第n个售电公司第t时段的风险因素占总时段的比重,d(n)为信息熵冗余度。
进一步,优选的是,步骤(3)的具体方法是:
首先确定时段类别的数目Q,即把T个时段分为Q类,共有M种分法;Q≤T;对于所有的M种分法,分别作如下计算过程:
计算第q类类中心Lq(n);
式中,C(t,q)的取值为1或0,若第t时段划分到第q类中,则C(t,q)=1,否则C(t,q)=0;
计算第t时段风险指标与第t时段所属第q类类中心之间的距离;
计算各时段风险指标与其所属类类中心之间距离之和;
在对所有M种分法计算完毕后,选择D值最小的一种分法作为该风险指标按时段分类的最佳分类方法。
进一步,优选的是,步骤(4)中,进行的风险指标分析包括:分析处于同一类的不同时段风险指标值接近的原因、分析某一售电公司在各类时段风险指标的变化原因、各售电公司在某一类时段风险指标值的差异原因。
本发明同时提供一种电力零售市场风险指标的分时段类别监控分析***,采用上述电力零售市场风险指标的分时段类别监控分析方法,包括:
监测模块,用于对电力市场中N个售电公司在T个不同时段的某一风险指标进行监测,得到风险指标取值X(t,n);X(t,n)为第n个售电公司在第t个时段的风险指标取值;n=1,2,...,N;t=1,2,...,T;N为售电公司总数量;T为时段总数量;
第一处理模块,与监测模块相连,用于基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算,得到各个售电公司的权重k(n);
第二处理模块,与第一处理模块相连,用于基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理,获得该风险指标按时段分类的最佳分类方法;
风险指标分析模块,与第二处理模块相连,用于按最佳分法分类完毕后,根据实际需要进行风险指标分析;
显示模块,分别与第二处理模块、风险指标分析模块相连,用于显示最佳分类方法及风险指标分析结果。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在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述电力零售市场风险指标的分时段类别监控分析方法的步骤。
本发明另外提供一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如上述电力零售市场风险指标的分时段类别监控分析方法的步骤。
本发明中,对具体的风险指标不做限制,例如,常见于云南电力市场的售电公司月度交易电量占月度市场化总电量的比例、售电公司月度批零价差收益占其注册资本比例、售电公司月度批发市场均价相比于月度上调服务基准价上浮比例等指标。
本发明与现有技术相比,其有益效果为:
本发明考虑电力零售市场风险指标在不同时段可能具有相似特征,为了***进行上述风险指标纵向及横向对比,基于熵值法和加权聚类方法,提出一种电力零售市场风险指标的分时段类别监控分析方法,将具有相似特征的时段归类,从而能够对各时段类别的风险指标进行归纳分析。
相比于传统的数据罗列法,本发明提出的方法提高了售电公司风险指标监控的效率,也更利于及时发现市场中的整体性、倾向性风险。例如,若某省电力市场中有1000个售电公司,交易机构定义了100个售电公司风险监控指标,每月进行风险指标统计并分析有无异常。若采取数据罗列法,全年12个月需统计的数据个数为1200000个,需要观察分析的数据个数为1200000个,假设统计每个数据需用时间为5分钟,观察分析每个数据需用时间为10分钟,则全年进行售电公司风险指标监控所需工作时长为18000000分钟;若采用本发明所述方法,全年12各月需统计的数据个数为1200000个,假设经此方法分析全年12个月按各月风险指标数据特征可分为3类时段,则需要观察分析的数据个数为300000个,则全年进行售电公司风险指标监控所需工作时长为9000000分钟(使用此方法可用计算机计算,时间忽略不计),相比于传统数据罗列法,效率提升了一倍。另外,对风险指标数据分时段类别分析,易于发现各指标随时间变化的规律,如处于同一类时段的不同时间点的指标往往相似、处于不同类时段的指标往往差异较大,从而及时发现市场中的整体性、倾向性风险。
附图说明
图1为本发明电力零售市场风险指标的分时段类别监控分析方法的流程图;
图2是本发明电力零售市场风险指标的分时段类别监控分析***的结构示意图;
图3为本发明电子设备结构示意图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
如图1所示,一种电力零售市场风险指标的分时段类别监控分析方法,包括如下步骤:
首先,对电力市场中N个售电公司在T个不同时段的某一风险指标进行监测,X(t,n)为第n个售电公司(n=1,2,...,N)在第t个时段(t=1,2,...,T)的风险指标取值。
本发明基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算,得到各个售电公司的权重k(n)。具体计算过程如下:
上式中,b(t,n)为第n个售电公司第t时段的风险因素占总时段的比重,d(n)为信息熵冗余度。
本发明基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理。首先确定时段类别的数目Q,即把T个时段分为Q类(Q≤T),共有M种分法。对于所有的M种分法,分别作如下计算过程。
计算第q类类中心Lq(n)。
上式中,C(t,q)的取值为1或0,若第t时段划分到第q类中,则C(t,q)=1,否则C(t,q)=0。
计算第t时段风险指标与第t时段所属第q类类中心之间的距离。
计算各时段风险指标与其所属类类中心之间距离之和。
在对所有M种分法计算完毕后,选择D值最小的一种分法为该风险指标按时段分类的最佳分法。按此最佳分法分类完毕后,可根据实际需要作出风险指标分析,如分析处于同一类的不同时段风险指标值接近的原因、分析某一售电公司在各类时段风险指标值(即该售电公司的各类类中心)的变化原因、各售电公司在某一类时段风险指标值(即各售电公司在该类时段的类中心)的差异原因等。例如,某省电力市场中有三家售电公司,定义超额收益率为风险监控指标,现统计2022年1-12月三家售电公司的风险指标取值,经过本发明所述方法分析,1-12月可分为两类时段,第一类为1-5月、11-12月,第二类为6-10月。分析处于同一类的不同时段风险指标接近原因及某一售电公司在各类时段风险指标值的变化原因可知,第一类时段为枯期,售电公司交易策略相对保守,超额收益率较低;第二类时段为汛期,售电公司交易策略相对放开,超额收益率较高。分析各售电公司在某一类时段风险指标值的差异原因可知,三家售电公司在第一类时段超额收益率最高的是售电公司A,其超额收益率未超过预警值,超额收益率最高可能与其用户用电量预测准确性高有关;在第二类时段超额收益率最高的是售电公司B,其超额收益率已超过预警值,交易机构需要联系售电公司了解其该类时段的交易策略以控制风险。
如图2所示,电力零售市场风险指标的分时段类别监控分析***,包括:
监测模块101,用于对电力市场中N个售电公司在T个不同时段的某一风险指标进行监测,得到风险指标取值X(t,n);X(t,n)为第n个售电公司在第t个时段的风险指标取值;n=1,2,...,N;t=1,2,...,T;N为售电公司总数量;T为时段总数量;
第一处理模块102,与监测模块101相连,用于基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算,得到各个售电公司的权重k(n);
第二处理模块103,与第一处理模块102相连,用于基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理,获得该风险指标按时段分类的最佳分类方法;
风险指标分析模块104,与第二处理模块103相连,用于按最佳分法分类完毕后,根据实际需要进行风险指标分析;
显示模块105,分别与第二处理模块103、风险指标分析模块104相连,用于显示最佳分类方法及风险指标分析结果。
在本发明实施例中,监测模块101对电力市场中N个售电公司在T个不同时段的某一风险指标进行监测,得到风险指标取值X(t,n);X(t,n)为第n个售电公司在第t个时段的风险指标取值;n=1,2,...,N;t=1,2,...,T;N为售电公司总数量;T为时段总数量;第一处理模块102基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算,得到各个售电公司的权重k(n);第二处理模块103基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理,获得该风险指标按时段分类的最佳分类方法;风险指标分析模块104按最佳分法分类完毕后,根据实际需要进行风险指标分析;显示模块105显示最佳分类方法及风险指标分析结果。
本发明实施例提供的一种电力零售市场风险指标的分时段类别监控分析***,将具有相似特征的时段归类,从而能够对各时段类别的风险指标进行归纳分析。
本发明实施例提供的***是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
图3为本发明实施例提供的电子设备结构示意图,参照图3,该电子设备可以包括:处理器(processor)201、通信接口(Communications Interface)202、存储器(memory)203和通信总线204,其中,处理器201,通信接口202,存储器203通过通信总线204完成相互间的通信。处理器201可以调用存储器203中的逻辑指令,以执行如下方法:步骤(1),对电力市场中N个售电公司在T个不同时段的某一风险指标进行监测,得到风险指标取值X(t,n);X(t,n)为第n个售电公司在第t个时段的风险指标取值;n=1,2,...,N;t=1,2,...,T;N为售电公司总数量;T为时段总数量;步骤(2),基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算,得到各个售电公司的权重k(n);步骤(3),基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理,获得该风险指标按时段分类的最佳分类方法;步骤(4),按最佳分法分类完毕后,根据实际需要进行风险指标分析。
此外,上述的存储器203中的逻辑指令可以通过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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的电力零售市场风险指标的分时段类别监控分析方法,例如包括:步骤(1),对电力市场中N个售电公司在T个不同时段的某一风险指标进行监测,得到风险指标取值X(t,n);X(t,n)为第n个售电公司在第t个时段的风险指标取值;
n=1,2,...,N;t=1,2,...,T;N为售电公司总数量;T为时段总数量;步骤(2),基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算,得到各个售电公司的权重k(n);步骤(3),基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理,获得该风险指标按时段分类的最佳分类方法;步骤(4),按最佳分法分类完毕后,根据实际需要进行风险指标分析。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
仿真实例
本发明以一虚构案例对一种电力零售市场风险指标的分时段类别监控分析方法进行说明。
假设某省电力市场中有三家售电公司A、B、C,定义超额收益率为市场风险指标,市场运营结构对该风险指标进行每月监控。
假设售电公司A在1月、2月、3月的风险指标值分别为0.5、0.8、1;售电公司B在1月、2月、3月的风险指标值分别为1、1、1;售电公司C在1月、2月、3月的风险指标值分别为0.6、0.8、1。
第一步,根据式(1)可计算b(1,1)=0.21739,b(2,1)=0.34783,b(3,1)=0.43478;b(1,2)=0.333,b(2,2)=0.333,b(3,2)=0.333;b(1,3)=0.25,b(2,3)=0.3333,b(3,3)=0.41667。
第二步,根据式(2)可计算d(1)=0.034,d(2)=0,d(3)=0.0192。
第三步,根据式(3)可计算k(1)=0.639,k(2)=0,k(3)=0.361。
第四步,确定时段分类类数为2,则理论上共有三种分法,即1月、2月属于第一类,3月属于第二类;1月、3月属于第一类,2月属于第二类;2月、3月属于第一类,1月属于第二类。对于上述三种分法,分别采用式(6)计算各时段风险指标与其所属类类中心距离之和,可得第一种分法D=0.264,第二种分法D=0.464,第三种分法D=0.2。因此第三种分法为最佳分法,即2月、3月属于第一类,1月属于第二类。获得最佳时段分类分法后,可对不同时段类别风险指标作出分析。第一类时段售电公司A、B、C风险指标值(第一类类中心)分别为0.9、1、0.9,第二类时段售电公司A、B、C风险指标值(第二类类中心)分别为0.5、1、0.6,可以看出,从第二类时段(1月)到第一类时段(2月、3月)售电公司A、C的风险指标值均有明显上升,售电公司B的风险指标值较为稳定且均高于售电公司A、C。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.电力零售市场风险指标的分时段类别监控分析方法,其特征在于,包括如下步骤:
步骤(1),对电力市场中N个售电公司在T个不同时段的某一风险指标进行监测,得到风险指标取值X(t,n);X(t,n)为第n个售电公司在第t个时段的风险指标取值;n=1,2,...,N;t=1,2,...,T;N为售电公司总数量;T为时段总数量;
步骤(2),基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算,得到各个售电公司的权重k(n);
步骤(3),基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理,获得该风险指标按时段分类的最佳分类方法;
步骤(4),按最佳分法分类完毕后,根据实际需要进行风险指标分析。
4.根据权利要求1所述的电力零售市场风险指标的分时段类别监控分析方法,其特征在于,步骤(4)中,进行的风险指标分析包括:分析处于同一类的不同时段风险指标值接近的原因、分析某一售电公司在各类时段风险指标的变化原因、各售电公司在某一类时段风险指标值的差异原因。
5.电力零售市场风险指标的分时段类别监控分析***,采用权利要求1~4任意一项所述的电力零售市场风险指标的分时段类别监控分析方法,其特征在于,包括:
监测模块,用于对电力市场中N个售电公司在T个不同时段的某一风险指标进行监测,得到风险指标取值X(t,n);X(t,n)为第n个售电公司在第t个时段的风险指标取值;n=1,2,...,N;t=1,2,...,T;N为售电公司总数量;T为时段总数量;
第一处理模块,与监测模块相连,用于基于熵值法对各个售电公司在各个时段的风险指标取值进行分析计算,得到各个售电公司的权重k(n);
第二处理模块,与第一处理模块相连,用于基于加权聚类方法对各售电公司在各时段的风险指标值进行按时段分类处理,获得该风险指标按时段分类的最佳分类方法;
风险指标分析模块,与第二处理模块相连,用于按最佳分法分类完毕后,根据实际需要进行风险指标分析;
显示模块,分别与第二处理模块、风险指标分析模块相连,用于显示最佳分类方法及风险指标分析结果。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述电力零售市场风险指标的分时段类别监控分析方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述电力零售市场风险指标的分时段类别监控分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310192669.4A CN116307701A (zh) | 2023-03-02 | 2023-03-02 | 电力零售市场风险指标的分时段类别监控分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310192669.4A CN116307701A (zh) | 2023-03-02 | 2023-03-02 | 电力零售市场风险指标的分时段类别监控分析方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307701A true CN116307701A (zh) | 2023-06-23 |
Family
ID=86816173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310192669.4A Pending CN116307701A (zh) | 2023-03-02 | 2023-03-02 | 电力零售市场风险指标的分时段类别监控分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307701A (zh) |
-
2023
- 2023-03-02 CN CN202310192669.4A patent/CN116307701A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104516808B (zh) | 数据预处理装置及方法 | |
CN107705149A (zh) | 数据实时监控方法、装置、终端设备及存储介质 | |
CN108874535A (zh) | 一种任务调节方法、计算机可读存储介质及终端设备 | |
CN111786385B (zh) | 一种电网运维方案规划方法、***及设备 | |
CN108446795A (zh) | 电力***负荷波动分析方法、装置及可读存储介质 | |
WO2016141739A1 (zh) | 一种基于动态聚类的电力市场供需预警模型的建立方法 | |
WO2023103527A1 (zh) | 一种访问频次的预测方法及装置 | |
CN108364191A (zh) | 基于随机森林和逻辑回归的优质客户优化识别方法及装置 | |
CN113516313A (zh) | 一种基于用户画像的燃气异常检测方法 | |
CN112560940A (zh) | 一种用电异常检测方法、装置、设备和存储介质 | |
CN114611738A (zh) | 一种基于用户用电行为分析的负荷预测方法 | |
CN116593897A (zh) | 动力电池故障诊断方法、***、车辆及存储介质 | |
CN115587893A (zh) | 一种基于互联网金融的期货交易监管*** | |
CN113450141B (zh) | 一种基于电力大客户群体售电量特征的智能预测方法及装置 | |
CN113869987A (zh) | 一种用于对电商平台的商品价格进行监测的计算机*** | |
CN116307701A (zh) | 电力零售市场风险指标的分时段类别监控分析方法及*** | |
CN113835947A (zh) | 一种基于异常识别结果确定异常原因的方法和*** | |
CN116151860A (zh) | 基于电子商务数据分析的智慧海洋服务数字化管理*** | |
CN115860465A (zh) | 一种企业关联数据处理预警方法、***及装置 | |
CN114723503A (zh) | 一种基于产业链数据的市场分析方法及*** | |
CN107357847A (zh) | 数据处理方法及其装置 | |
CN115049429A (zh) | 增益预测方法、装置和计算机设备 | |
CN111652281B (zh) | 信息数据的分类方法、装置及可读存储介质 | |
CN110704393A (zh) | 一种针对Hive数据仓库的数据监控方法及装置 | |
CN117493817B (zh) | 一种对处理卫星异常的效益进行评估的方法、***及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |