一种基于多维度数据分析的电力交易方法及系统

专利主权项内容

1.一种基于多维度数据分析的电力交易方法，其特征在于，包括以下步骤：步骤S1：获取多维电力交易数据及电网供电流量数据；利用自学习神经网络对多维电力交易数据进行维度特征提取，生成维度特征电力交易数据；对维度特征电力交易数据进行时序分析，以生成电力交易时序数据；对电力交易时序数据进行需求特征提取，以生成电力需求时序曲线；步骤S2：利用深度学习算法对电力需求时序曲线进行动态需求峰值计算，生成电力需求峰值；根据电力需求峰值对电力交易时序数据进行需求模式分析，以生成电力交易需求模式数据；对电力交易需求模式数据进行隐含关联分析，以生成需求模式关联数据；步骤S3：基于需求模式关联数据对电力交易时序数据进行数据集成，构建电力需求模式库；对多维电力交易数据进行用户交易节点识别，生成用户交易节点数据；对用户交易节点数据进行拓扑结构构建，以生成用户交易节点网络；步骤S4：对电力需求模式库进行电力需求变化率捕捉，生成电力需求演化规律；根据电力需求演化规律对用户交易节点网络进行动态关联分析，构建动态关联网络拓扑结构；步骤S5：对电网供电流量数据进行负载计算，以生成供电负载数据；根据用户交易节点网络对供电负载数据进行电力负载分布分析，生成电力负载分布图；利用电力负载分布图对动态关联网络拓扑结构进行边缘负载计算，生成边缘负载数据；对边缘负载数据进行负载缺陷分析，生成负载缺陷数据；步骤S6：通过负载缺陷数据对动态关联网络拓扑结构进行负载决策优化，生成自适应负载优化网络结构；对自适应负载优化网络结构进行供需最优交易策略分析，以生成最优交易策略引擎；对最优交易策略引擎进行数据挖掘建模，以构建电力交易策略模型，执行电力交易作业。