(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 202111648252.1 (22)申请日 2021.12.2 9 (71)申请人 昆明电力交易中心有限责任公司 地址 650011 云南省昆明市官渡区拓东路 73号云南电力大厦 (72)发明人 刘斌　孙田旭　丁文娇　杨东源　 谢蒙飞　王帮灿　马高权　贾毓功　 李岚欣　杨喆麟　 (74)专利代理 机构 昆明正原 专利商标代理有限 公司 53100 专利代理师 于洪　金耀生 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种售电公司零售市场风险监控防控预警 方法 (57)摘要 本发明涉及一种售电公司零售市场风险监 控防控预警方法， 属于售电结算风险监控技术领 域。 该方法自动获取的售电公司用户历史用电量 数据， 使用随机分形智能搜索算法对深度学习模 型进行超参数优化， 进而基于该模 型对售电公司 月度交易能力进行预测， 为售电公司进行零售交 易预测能力精确控制提供有效参考。 同时基于上 述预测零售交易能力， 考虑当前零售电力市场批 零价差计算模式， 提出一种自适应精细化逐日交 易风险分级预警防控方式， 与用电量值进行联 动， 自动匹配相应预警层级和预警措施， 为电网 企业风险管 理提供预警参考， 能有效防控电网公 司运营结算风险， 优化市场运营效率， 保障多市 场主体在零售电力市场中平稳有序发展。 权利要求书4页 说明书20页 附图1页 CN 114444883 A 2022.05.06 CN 114444883 A 1.一种售电公司零售市场风险监控防控预警方法， 其特 征在于， 包括如下步骤： 步骤(1)， 获取售电公司对应用户的历史用电量数据， 及该用户所在地市的温度、 湿度 以及日类型 数据； 步骤(2)， 将步骤(1)获得的历史用电量数据按时间先后排列作为历史用电量时间序列 并进行归一化处理， 然后采用VMD方法将归一化后的历史用电量时间序列分解为K个子模态 分量； 步骤(3)， 对步骤(1)获得的温度、 湿度以及日类型 数据进行非线性映射处 理； 步骤(4)， 以归一化后的历史用电量子模态分量在前B个月的值、 该B个月非线性映射处 理的温度、 湿度以及日类型数据作为LSTM模型的输入， 以归一化后的历史用电量子模态分 量在当月内的值作为LSTM模型的输出， 对每个子模态分量的LSTM模型进行训练， 得到各个 子模态分量的LSTM用电量预测模型； B≥1； 步骤(5)， 将历史用电量子模态分量在前B个月的值、 该B个月非线性映射处理的温度、 湿度以及日类型数据作为输入， 输入至步骤(4)获得的相应分量的LSTM用电量预测模 型， 得 到各个分量的归一化后的用电量预测值， 之后 将各个分量的归一化后的用电量预测值反归 一化后， 再进行累加， 获得当月用电量预测值 Qcapacity； 步骤(6)， 根据当月售电量预测值 Qcapacity， 计算每日售电公司零售市场批零 价差ΔP； 步骤(7)， 基于每日计算的零售市场批零价差计算结果ΔP对市场 零售交易风险进行跟 踪， 匹配相应的预警层级和预警措施， 从而完成零售市场风险跟踪预警。 2.根据权利要求1所述的售电公司零售市场 风险监控防控预警方法， 其特征在于， 步骤 (1)中， 对获得的历史用电量数据进行平稳性检验， 若假设结果被拒绝， 则对数据进行数据 清洗。 3.根据权利要求2所述的售电公司零售市场 风险监控防控预警方法， 其特征在于， 数据 清洗的具体方法为： 对进行异常值及缺失值处理； 将异常值视作缺失值将以上两类统一处 理， 采用二次样条插值方法对缺失值进行插补。 4.根据权利要求1所述的售电公司零售市场 风险监控防控预警方法， 其特征在于， 步骤 (1)中， 所述的日类型包括春夏秋冬四季的工作日、 周六、 周日和节假日。 5.根据权利要求1所述的售电公司零售市场 风险监控防控预警方法， 其特征在于， 步骤 (3)中， 温度、 湿度以及日类型 数据非线性映射处 理的具体方法为： 1)对于温度： 下限温度阈值设为t， 上限温度阈值设为 设温度因子tn映射前的值为xn， 映射后的值为 yn， 当 时， 采用归一 化的方法进行处 理； 当 或 时， 采用映射关系函数进行处 理： 首先在获取的用户历史用电量数据集合中统计各温度下所对应的用户用电量平均值， 再对温度 ‑用电量均值分别采用二次函数拟合、 三次函数拟合和钟型函数拟合， 分别计算三 种拟合曲线与映射前值的拟合优度， 即确定系数 以确定系数最接近 1为指标确定映射关 系函数， 确定系数 计算如下： 其中， xi为第i个映射前值， 表示映射前值的均值， 表示第i个映射后值；权　利　要　求　书 1/4 页 2 CN 114444883 A 2确定好拟合关系曲线后， 输入 映射前值求出对应用电量值， 将该值在对应区间内进行 归一化处理， 即为映射后值； 2)对于湿度： 下限湿度阈值设为r， 上限湿度阈值设为 设湿度因子rn映射前的值为un， 映射后的值 为wn， 当 时， 采用归一化的方法进行处理， 当rn＜r0， 当 或r<r时， 采用映射关系函 数进行处 理： 首先在获取的用户历史用电量数据集合中统计各湿度下所对应的用户用电量平均值， 再对湿度 ‑用电量均值分别采用二次函数拟合、 三次函数拟合和钟型函数拟合， 分别计算三 种拟合曲线与映射前值的拟合优度， 即确定系数 以确定系数最接近1为指标确定映射关 系函数， 确定系数 计算如下： 其中， ui为第i个映射前值， 表示映射前值的均值， 表示第i个映射后值； 确定好拟合关系曲线后， 输入 映射前值求出对应用电量值， 将该值在对应区间内进行 归一化处理， 即为映射后值； 3)对于日类型 数据： 设日类型 数据fn映射前的值 为hn， 映射后的值 为zn， 采用映射关系函数进行处 理： 首先在获取的用户历史用电量数据集合中统计各日类型下所对应的用户用电量平均 值， 再对日类型‑用电量均值分别采用二次函数拟合、 三次函数拟合和钟型函数拟合， 分别 计算三种拟合曲线与映射前值的拟合优度， 即确定系数 以确定系数最接近1为指标确定 映射关系函数， 确定系数 计算如下： 其中， hi为第i个映射前值， 表示映射前值的均值， 表示第i个映射后值。 6.根据权利要求1所述的售电公司零售市场 风险监控防控预警方法， 其特征在于， 步骤 (4)中， 采用随机分形搜索算法SFS对LSTM参数进行优化求解， 其中， 参数包括隐含层节点 数、 时间步长和学习率； 步骤(2)中， VMD方法中K采用随机分形搜索算法SFS确定 。 7.根据权利要求1所述的售电公司零售市场 风险监控防控预警方法， 其特征在于， 步骤 (6)中， 计算每日零售市场批零 价差的具体方法为： 根据每日最 新的批发交易、 零售交易数据计算计算每日零售市场批零 价差 其中， 表示售电公司零售收入， 表示售电公司批发成本， 计算方 式为： 权　利　要　求　书 2/4 页 3 CN 114444883 A 3