(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 202210927010.4 (22)申请日 2022.08.03 (71)申请人 广东电网有限责任公司 地址 510000 广东省广州市越秀区东 风东 路757号 (72)发明人 钱正浩　何小朝　苏华权　彭泽武　 冯歆尧　谢瀚阳　梁盈威　江疆　 朱泰鹏　 (74)专利代理 机构 北京荣哲知识产权代理事务 所(普通合伙) 11998 专利代理师 舒道宏 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 50/06(2012.01) G06Q 10/06(2012.01)G06F 16/25(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电力交易市场调度方法 (57)摘要 本发明提供了一种电力交易市场调度方法， 属于电力交易市场调度技术领域， 该方法， 包括 以下步骤： 步骤S1： 建立DCGAN网络结构， 并初始 化网络参数； 步骤S2： 采用HTAP数据库， 模拟建立 电力交易 ‑‑分析混合数据库； 步骤S3： 在HTAP数 据库的交易侧模拟设计电力交易数据库； 步骤 S4： 建立DCGAN网络的监测样本统计矩阵集； 步骤 S5： 训练辨别器Discriminator模型； 步骤S6： 设 定监测样本统计矩阵集更新频度参数。 步骤S7： 统计矩阵； 该方法生成对抗流程与电力交易市场 中生产侧与消费侧的现实关系有很好的自然逻 辑契合性与可解释性， 理论与试验均证明是一个 较好的电力交易市场调度模型方法。 权利要求书1页 说明书4页 附图2页 CN 115239393 A 2022.10.25 CN 115239393 A 1.一种电力交易市场调度方法， 其特 征在于， 包括以下步骤： 步骤S1： 建立DCGAN网络结构， 并初始化网络参数； 步骤S2： 采用HTAP数据库， 模拟建立电力交易 ‑‑分析混合数据库； 步骤S3： 在HTAP数据库的交易侧模拟设计电力交易数据库， 数据库字段主体由交易时 间、 交易地区、 交易电量、 交易 价格组成； 步骤S4： 在HTAP数据库的分析侧， 根据交易侧电力交易数据表的实时同步表， 并以脚本 模拟电力交易市场的售用电交易， 建立DCGAN网络的监测样本统计矩阵集； 步骤S5： 以如 上生成的监测样本统计矩阵集用为 “真实样本 ”， 混合生成器Generator初 始参数生成的 “伪装样本 ”， 训练辨别器Discrimi nator模型； 步骤S6： 设定监测 样本统计矩阵集更新频度参数u， 代表采用HTAP数据库交易侧实时一 致同步的电力交易数据更新迭代样本矩阵的频度； 步骤S7： 步骤S5 ‑步骤S7迭代训练完成后， 得到DCGAN模型， 由Generator生成的模拟监 测样本统计矩阵， 即某地区某段时间可售用的电量， 则可作为电力消费预测数据标准， 驱动 电力交易发电侧 ‑‑‑用电侧的调度策略， 从而形成一种新型的电力交易市场调度模型。 2.根据权利 要求1所述的电力交易市场调度方法， 其特征在于， 步骤S1中， DCGAN网络结 构由两个卷积神经网络分别充当生成器Generator与判别器Discriminator连接而成， 建立 DCGAN网络结构后初始化神经网络参数， 两个卷积神经网络可分别选择3 ‑5层卷积神经网 络， 以加快训练速度。 3.根据权利要求1所述的 电力交易市场调度方法， 其特征在于， 步骤S2中， 交易数据库 侧用于支持实时电力交易， 分析数据库侧用于支持DCGAN神经网络学习的监测样本矩阵数 据集生成。 4.根据权利要求1所述的 电力交易市场调度方法， 其特征在于， 步骤S3中， 交易地区以 区县为单位。 5.根据权利 要求1所述的电力交易市场调度方法， 其特征在于， 步骤S4中， 建立DCGAN网 络的监测样本统计矩阵集 为： 售用电时间区间 ‑‑‑售用电地区 ‑‑‑售用电量统计值矩阵。 6.根据权利要求1所述的电力交易市场调度 方法， 其特征在于， 步骤S6中， 频度参数u的 设置根据HTAP数据库的统计侧矩阵生成效率 来调整。 7.根据权利要求1所述的电力交易市场调度方法， 其特征在于， 步骤S5 ‑步骤S7的迭代 终止条件为设定迭代循环次数， 到时即终止 。 8.根据权利要求1所述的电力交易市场调度方法， 其特征在于， 步骤S5 ‑步骤S7的迭代 终止条件为设定最小误差容忍度， 以Generator与Discr iminator的逻辑应达状态作为以实 时更新电力交易数据更新迭代DCGAN模型的终止条件。权　利　要　求　书 1/1 页 2 CN 115239393 A 2一种电力交易市场调度方 法 技术领域 [0001]本发明涉及电力 交易市场调度技术领域， 具体而言， 涉及一种电力 交易市场调度 方法。 背景技术 [0002]目前， 由于电力无法有效大量长期储存， 从而电力的生产端与 需求端精准匹配的 实时调度模型一直是该领域最重要的难题， 既要保证用电端能够不间断地用电， 又要保证 发电端的产出能够被全量 实时消费， 供需不匹配会导致要么供电不 足， 要么供电冗余。 传统 的基于经验模型预设生产端消费端参数、 基于历史消费数据以统计分析方法预测用电量以 及采用为二级供应商提供预售电指标交易的方法一直不能很好的解决供需实时匹配的问 题， 可解释性 也不理想。 [0003]如何发明一种电力交易市场调度方法来改善这些问题， 成为了本领域技术人员亟 待解决的问题。 发明内容 [0004]为了弥补以上不足， 本发明提供了一种电力 交易市场调度方法， 旨在改善传统的 电力交易市场调度方法不能很好的解决供需实时匹配的问题， 可解释性 也不理想的问题。 [0005]本发明是这样实现的： 一种电力交易市场调度方法， 包括以下步骤： 步骤S1： 建立DCGAN网络结构， 并初始化网络参数； 步骤S2： 采用HTAP数据库， 模拟建立电力交易 ‑‑分析混合数据库， 用HTAP数据库， 模拟建立电力交易 ‑‑分析混合数据库； 步骤S3： 在HTAP数据库的交易侧模拟设计电力交易数据库， 数据库字段主体由交 易时间、 交易 地区、 交易电量、 交易 价格组成； 步骤S4： 在HTAP数据库的分析侧， 根据交易侧电力交易数据表的实时同步表， 并以 脚本模拟电力交易市场的售用电交易， 建立DCGAN网络的监测样本统计矩阵集； 步骤S5： 以如上生成的监测样本统计矩阵集用为 “真实样本 ”（标准为1） ， 混合生成 器Generator初始参数生成的 “伪装样本 ”（标注为0） ， 训练辨别器Discrimi nator模型； 步骤S6： 设定监测样本统计矩阵集更新频度参数u， 代表采用HTAP数据库交易侧实 时一致同步的电力交易数据更新迭代样本矩阵的频度； 步骤S7： 步骤S5 ‑步骤S7迭代训练完成后， 得到DCGAN模型， 由Generator生成的模 拟监测样本统计矩阵， 即某地区某段时间可售用的电量， 则可作为电力消费预测数据标准， 驱动电力交易发电侧 ‑‑‑用电侧的调度策略， 从而形成一种新型的电力交易市场调度模型； 在本发明的一种优选技术方案中， 步骤S1中， DCGAN网络结构由两个卷积神经 网络 分别充当生成器Generator与判别 器Discriminator连接而成， 建立DCGAN网络结构后初始 化神经网络参数， 两个卷积神经网络可分别选择3 ‑5层卷积神经网络， 以加快训练速度。 [0006]在本发明的一种优选技术方案中， 步骤S2中， 交易数据库侧用于支持实时电力 交说　明　书 1/4 页 3 CN 115239393 A 3