(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211202436.X (22)申请日 2022.09.29 (71)申请人 华能新能源股份有限公司山西分公 司 地址 030000 山西省太原市小店区南中环 街200号国际大都会中心广场4幢B单 元19层190 3、 1904号 申请人 中国华能集团清洁能源技 术研究院 有限公司 (72)发明人 刘顺富　孙财新　杨介立　郭小江　 王强　潘霄峰　闫耀　王鸿策　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 曲进华(51)Int.Cl. G06Q 40/04(2012.01) G06Q 10/04(2012.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) (54)发明名称 基于人工智能技术的电力市场新能源日前 交易决策方法 (57)摘要 本申请提出了一种基于人工智能技术的电 力市场新能源日前交易决策方法， 涉及电场电力 交易辅助决策技术领域， 其中， 该方法包括： 获取 待处理数据， 其中， 待处理数据包括历史数据、 合 约数据和市场环境信息， 历史数据包括综合历史 交易价格数据； 基于历史数据对电力市场新能源 交易价格进行预测， 得到预测数据； 构造日前申 报目标函数及约束条件， 并根据预测数据、 合约 数据和市场环境信息， 以目标函数为求解目标， 基于约束条件进行求解， 得到最优日前申报方 案。 采用上述方案的本发明综合考虑市场规则信 息、 中长期交易信息、 电价预测 信息、 功率预测信 息等因素， 在收益与风险之间进行动态平衡， 将 日前申报问题进行量 化处理， 客观性更强。 权利要求书3页 说明书10页 附图1页 CN 115496603 A 2022.12.20 CN 115496603 A 1.一种基于人工智能技术的电力市场新能源日前交易决策方法， 其特征在于， 包括以 下步骤： 获取待处理数据， 其中， 所述待处理数据包括历史数据、 合约数据和市场环境信息， 所 述历史数据包括综合历史 交易价格数据； 基于所述历史数据对电力市场新能源交易 价格进行 预测， 得到预测数据； 构造日前申报目标函数及约束条件， 并根据所述预测数据、 所述合约数据和所述市场 环境信息， 以所述目标函数为求解目标， 基于所述约束 条件进行求解， 得到最优日前申报方 案。 2.如权利要求1所述的方法， 其特征在于， 所述历史数据还包括系统负载率曲线， 所述 基于所述历史数据对电力市场新能源交易 价格进行 预测， 得到预测数据， 包括： 基于所述综合历史 交易价格数据和系统负载率曲线构建特 征工程， 提取关键特 征； 基于所述关键特征对预设时间段内的日前价格和实时价格进行预测， 以获取所述预测 数据， 所述获取待处 理数据之后， 还 包括： 对所述合约数据进行分类、 聚合处 理， 得到处 理后的合约数据。 3.如权利要求1所述的方法， 其特征在于， 所述目标函数包括结算收入、 细则考核损失、 超额获利回收损失， 其中， 所述目标函数， 表示 为： J＝max(Jjiesuan‑Jchaoe‑Jxize) 其中， Jjiesuan表示结算收入， Jchaoe表示超额获利回收损失， Jxize表示细则考核损失， 所述结算收入， 表示 为： J_jiesuant＝P_zhongt×Q_zhongt +(Q_riqiant‑Q_zhongt)×P_riqiant +(Q_sh ishit‑ Q_riqiant)×P_shishit 其中， Jjiesuan表示结算收入， J_jiesuant表示t时刻的现货结算收入， P_zhongt表示t时 刻的现货已持有中长期加权电价， Q_zhongt表示t时刻的现货已持有中长期电量， Q_riqiant 表示t时刻的现货日前电量， P_riqi ant表示t时刻的现货日前电价， Q_shishit表示t时刻的 现货实时电量， P_shishit表示t时刻的现货实时电价， T表示日前申报功率曲线的时刻总 数， t表示第t个时刻， t＝1,2， . ..T， 所述细则考核损失， 表示 为： Jxize＝Jae+Jduanqi 其中， Jae表示风场最大绝对误差考核， Jduanqi表示次日中短期考核费用， 所述超额获利回收损失， 表示 为： 其中， J11， t表示偏差回收损失， J12， t表示t时刻实发电量高于现货日前电量所允许的偏 差上限的偏差回收损失。权　利　要　求　书 1/3 页 2 CN 115496603 A 24.如权利要求1所述的方法， 其特征在于， 所述约束条件包括细则考核损 失约束、 电量 比例约束、 超额获利回收损失约束、 结算收入约束、 申报电量约束。 5.如权利要求4所述的方法， 其特征在于， 所述细则考核损失约束包括中短期风电功率 预测考核、 晚高峰和低谷时段风电最大绝对值 误差率考核， 其中， 当新能源中短期功率预测准确率低于阈值时， 产生中短期功率预测偏差考核， 所述中 短期功率预测准确率、 次日中短期考核费用分别表示 为： 其中， Accday‑ahead表示新能源中短期功率预测准确率， T为该日考核的预测点数， Pi表示i 时刻新能源电站实际功率， Pi'表示i时刻 新能源电站预测功率， Cap 为新能源电站考核日的 最大开机容量， Jduanqi表示次日中短期考核费用， Pw表示新能源电站装 机容量， Pbiaogan表示标 杆电价， 当风电在晚高峰和低谷时段的最大绝对值误差率大于预设阈值 时， 产生风场 最大绝对 误差考核， 最大绝对值 误差率表示 为： Jae＝(AE‑15％)×Pw×P_biaogan 其中， AE表示最大绝对值误差率,Ppi表示i时刻新能源电站预测功率， Pi表示i时刻新能 源电站的可用功率,PMi表示受限时段i 时刻的可用发电功率， i表示 时刻， m表示晚高峰和低 谷时段的段数， Jae表示风场最大绝对误差考核， Pw表示新能源电站装机容量， Pbiaogan表示标 杆电价。 6.如权利要求 4所述的方法， 其特 征在于， 所述电量比例约束表示 为： Q_jishut＝ktQ_riqiant 其中， Q_jishut表示t时刻的基数电量， Q_riqiant表示t时刻的现货日前电量， k1表示t 时刻的基数电量与日前申报电量需满足的比例， 所述超额获利回收损失约束表示 为： 若实发电量低于现货日前电量所允许的偏差下限， 则偏差回收损失表示 为： J11,t＝max(Q_riqiant‑(1+λ )×Q_shishit,0)×max(Pzrt‑P_shishit,0) 其中， Q‑riqiant表示t时刻的现货日前电量， λ表示超额获利回收比例， Pzrt表示t时刻 的标杆电价和日前电价的加权电价， Q_shish it表示t时刻的现货实时电量， P_sh ishit表示t 时刻的现货实时电价， 若实发电量低于现货日前电量所允许的偏差下限， 则偏差回收损失表示 为： J11,t＝max(Q_riqiant‑(1+λ )×Q_shishit,0)×max(Pzrt‑P_shishit,0) 其中， Q‑riqiant表示t时刻的现货日前电量， λ表示超额获利回收比例， Pzrt表示t时刻权　利　要　求　书 2/3 页 3 CN 115496603 A 3