CN111476493A - 机组经济持留行为的检测方法、装置和计算机设备 - Google Patents
机组经济持留行为的检测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN111476493A CN111476493A CN202010279499.XA CN202010279499A CN111476493A CN 111476493 A CN111476493 A CN 111476493A CN 202010279499 A CN202010279499 A CN 202010279499A CN 111476493 A CN111476493 A CN 111476493A
- Authority
- CN
- China
- Prior art keywords
- unit
- medium
- rate
- classified
- daily
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000014759 maintenance of location Effects 0.000 title claims abstract description 33
- 230000006399 behavior Effects 0.000 claims abstract description 49
- 230000002688 persistence Effects 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000010248 power generation Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (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
本申请涉及一种机组经济持留行为的检测方法、装置、计算机设备和存储介质。所述方法包括：按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。采用本方法能够准确地对发电商的经济持留行为进行监测。
Description
技术领域
本申请涉及电力系统技术领域，特别是涉及一种机组经济持留行为的检测方法、装置、计算机设备和存储介质。
背景技术
经济持留行为是一种在电力市场中行使市场力的常见行为。即发电商策略性地将部分容量报过高的价格，而试图抬高市场出清电价以使得其剩余的容量能获得很高的报价。
现有技术中，电力监管机构往往是需要根据发电商的机组经济发电量来监测发电商是否存在经济持留行为，然而由于电力市场目前正处于改革发展阶段，发电商的机组成本等数据往往无法被准确地收集和统计，这使得发电商的机组经济发电量无法被准确估算，也使得现有技术中存在无法准确地对发电商的经济持留行为进行监测的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确地对发电商的经济持留行为进行监测的机组经济持留行为的检测方法、装置、计算机设备和存储介质。
一种机组经济持留行为的检测方法，所述方法包括：
按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；
针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；
分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；
根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。
在其中一个实施例中，所述机组分类条件包括同地区机组分类条件、同类型机组分类条件和同容量机组分类条件中的至少一种。
在其中一个实施例中，当所述机组分类条件为所述同地区机组分类条件或所述同类型机组分类条件时，所述根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组，包括：
确定所述分类后机组集合中的大容量机组和所述分类后机组集合中的小容量机组；
当所述大容量机组对应的中标率特征与所述小容量机组对应的中标率特征之间的特征差异值大于预设的差异阈值时，确定所述大容量机组为所述目标机组。
在其中一个实施例中，所述中标率特征具有对应的中标率特征值，所述根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组，包括：
计算各个所述机组对应的中标率特征值的均值，得到针对所述分类后机组集合的中标率均值；
分别计算每个所述机组对应的中标率特征值与所述中标率均值之间的差值，得到每个所述机组对应的中标率差值；所述中标率差值用于表征所述机组对应的中标率特征与所述分类后机组集合的总体中标率特征之间的差异程度；
根据每个所述机组对应的中标率差值，在所述分类后机组集合中确定目标机组。
在其中一个实施例中，所述根据每个所述机组对应的中标率差值，在所述分类后机组集合中确定目标机组，包括：
获取与所述分类后机组集合的机组分类条件对应的临时差异阈值；
在所述分类后机组集合中，将所述中标率差值大于所述临时差异阈值的机组作为所述目标机组。
在其中一个实施例中，所述获取每个所述机组的日机组发电量，包括：
获取所述待检测电厂的装机容量，以及，获取所述机组的日最大发电时长；
根据所述待检测电厂的装机容量和所述机组的日最大发电时长，确定所述机组的日机组发电量。
在其中一个实施例中，所述根据所述待检测电厂的装机容量和所述机组的日最大发电时长，确定所述机组的日机组发电量，包括：
根据所述待检测电厂的装机容量，确定所述机组的额定有功功率；
计算所述机组的额定有功功率与所述日最大发电时长之间的乘积，作为所述机组的日机组发电量。
一种机组经济持留行为的检测装置，所述装置包括：
分类模块，用于按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；
获取模块，用于针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；
确定模块，用于分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；
检测模块，用于根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；
针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；
分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；
根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；
针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；
分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；
根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。
上述机组经济持留行为的检测方法、装置、计算机设备和存储介质，通过按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；然后，通过针对分类后机组集合中的每个机组，获取每个机组的日中标发电量，以及，获取每个机组的日机组发电量；并分别确定每个机组对应的中标率特征；中标率特征为根据机组的日中标发电量与机组的日机组发电量之间的比值得到的；最后，再通过根据各个机组对应的中标率特征，在分类后机组集合中确定用于供用户对电力市场中的经济持留行为进行监测的目标机组；如此，在对各个机组进行经济持留行为监测过程中，只需要获取机组的日机组发电量和日中标发电量，可以有效减少数据缺失带来的误差，同时按照预设的机组分类条件确定对应的分类后机组集合，实现对机组中标率进行了多方面比较，降低了单一考虑中标率带来的误判风险，减少了假阳性或假阴性错误产生的机会，使经济持留行为监测更具准确性。
附图说明
图1为一个实施例中一种机组经济持留行为的检测方法的应用环境图；
图2为一个实施例中一种机组经济持留行为的检测方法的流程示意图；
图3为一个实施例中另一种机组经济持留行为的检测方法的流程示意图；
图4为一个实施例中一种机组经济持留行为的检测装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的机组经济持留行为的检测方法，可以应用于如图1所示的应用环境中。其中，计算机设备110按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；然后，计算机设备110针对分类后机组集合中的每个机组，获取每个机组的日中标发电量，以及，获取每个机组的日机组发电量；再然后，计算机设备110分别确定每个机组对应的中标率特征；中标率特征为根据机组的日中标发电量与机组的日机组发电量之间的比值得到的；最后，计算机设备110根据各个机组对应的中标率特征，在分类后机组集合中确定目标机组；其中，目标机组对应的中标率特征与各个机组对应的中标率特征之间的差异程度满足预设的条件；目标机组用于供用户对电力市场中的经济持留行为进行监测。实际应用中，计算机设备110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，也可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种机组经济持留行为的检测方法，包括以下步骤：
步骤S210，按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合。
其中，待检测电厂可以是指需要进行经济持留行为监测的发电厂。其中，发电厂可以具有一个或多个发电机组。
其中，分类后机组集合可以是指由多个分类后机组组成的集合。
在另一个实施例中，机组分类条件包括同地区机组分类条件、同类型机组分类条件和同容量机组分类条件中的至少一种。
具体实现中，计算机设备110可以按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合。具体来说，当机组分类条件为同地区机组分类条件时，计算机设备110对待检测电厂中的机组进行分类，得到分类后机组集合为同地区机组集合。当机组分类条件为同类型机组分类条件时，计算机设备110对待检测电厂中的机组进行分类，得到分类后机组集合为同类型机组集合。当机组分类条件为同容量机组分类条件时，计算机设备110对待检测电厂中的机组进行分类，得到分类后机组集合为同容量机组集合。
步骤S220，针对分类后机组集合中的每个机组，获取每个机组的日中标发电量，以及，获取每个机组的日机组发电量。
具体实现中，计算机设备110在确定分类后机组集合后，计算机设备110在电网已进行收集和统计的机组数据中，获取分类后机组集合中的每个机组对应的日中标发电量，以及，获取分类后机组集合中的每个机组对应的日机组发电量。
其中，机组数据可以包括机组日中标电量、集团装机容量、检修机组信息等数据。
步骤S230，分别确定每个机组对应的中标率特征；中标率特征为根据机组的日中标发电量与机组的日机组发电量之间的比值得到的。
其中，中标率特征为根据机组的日中标发电量与机组的日机组发电量之间的比值得到的。
具体实现中，计算机设备110在分别确定每个机组对应的中标率特征的过程中，针对某一个机组，计算机设备110可以计算该机组的中标发电量与该机组的日机组发电量之间的比值，并将该比值命名为中标率。然后，计算机设备110将该机组对应的中标率，作为该机组对应的中标率特征。计算机设备110在分类后机组集合中遍历计算各个机组对应的中标率特征，直至得到每个机组对应的中标率特征。
步骤S240，根据各个机组对应的中标率特征，在分类后机组集合中确定目标机组；其中，目标机组对应的中标率特征与各个机组对应的中标率特征之间的差异程度满足预设的条件；目标机组用于供用户对电力市场中的经济持留行为进行监测。
其中，目标机组对应的中标率特征与各个机组对应的中标率特征之间的差异程度满足预设的条件。
其中，目标机组用于供用户对电力市场中的经济持留行为进行监测。
具体实现中，在计算机设备110根据各个机组对应的中标率特征，在分类后机组集合中确定目标机组的过程中，计算机设备110可以对各个机组对应的中标率特征进行比较，判断是否存在中标率特征与各个机组对应的中标率特征存在显著差异的目标机组。即目标机组对应的中标率特征与各个机组对应的中标率特征之间的差异程度满足预设的条件。计算机设备110确定该目标机组为存在经济持留行为嫌疑的发电机组。
如此，得到的目标机组可以为市场监管部门提供设定市场阈值的参考，比如帮助市场监管部门确定多少的经济持留量是可容忍的，同时为市场力缓解机制等提供判断依据。
上述机组经济持留行为的检测方法中，通过按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；然后，通过针对分类后机组集合中的每个机组，获取每个机组的日中标发电量，以及，获取每个机组的日机组发电量；并分别确定每个机组对应的中标率特征；中标率特征为根据机组的日中标发电量与机组的日机组发电量之间的比值得到的；最后，再通过根据各个机组对应的中标率特征，在分类后机组集合中确定用于供用户对电力市场中的经济持留行为进行监测的目标机组；如此，在对各个机组进行经济持留行为监测过程中，只需要获取机组的日机组发电量和日中标发电量，可以有效减少数据缺失带来的误差，同时按照预设的机组分类条件确定对应的分类后机组集合，实现对机组中标率进行了多方面比较，降低了单一考虑中标率带来的误判风险，减少了假阳性或假阴性错误产生的机会，使经济持留行为监测更具准确性。
在另一个实施例中，当机组分类条件为同地区机组分类条件或同类型机组分类条件时，根据各个机组对应的中标率特征，在分类后机组集合中确定目标机组，包括：确定分类后机组集合中的大容量机组和分类后机组集合中的小容量机组；当大容量机组对应的中标率特征与小容量机组对应的中标率特征之间的特征差异值大于预设的差异阈值时，确定大容量机组为目标机组。
其中，大容量机组的额定有功功率大于小容量机组的额定有功功率。
具体实现中，当机组分类条件为同地区机组分类条件或机组分类条件为同类型机组分类条件时，计算机设备110在根据各个机组对应的中标率特征，在分类后机组集合中确定目标机组的过程中，具体包括：计算机设备110可以在分类后机组集合中确定大容量机组，以及，在分类后机组集合中确定小容量机组；其中，大容量机组的额定有功功率大于小容量机组的额定有功功率。然后，计算机设备110对大容量机组对应的中标率特征与小容量机组对应的中标率特征进行比较，当计算机设备110判定大容量机组对应的中标率特征与小容量机组对应的中标率特征之间的特征差异值大于预设的差异阈值时，计算机设备110则确定大容量机组为目标机组。
具体来说，计算机设备110可以获取大容量机组对应的第一中标率特征值和获取小容量机组对应的第二中标率特征值；然后，计算机设备110计算第二中标率特征值与第一中标率特征值之间的差值，作为中标率偏差值；再然后，计算机设备110判断该中标率偏差值是否大于预设的偏差值阈值；若是，则说明大容量机组的中标率显著低于小容量机组的中标率，大容量机组可能存在经济持留行为的嫌疑。因此，计算机设备110确定大容量机组为目标机组。
本实施例的技术方案，在根据各个机组对应的中标率特征，在分类后机组集合中确定目标机组，通过确定分类后机组集合中的大容量机组和分类后机组集合中的小容量机组；当大容量机组对应的中标率特征与小容量机组对应的中标率特征之间的特征差异值大于预设的差异阈值时，及时确定大容量机组的中标率显著低于小容量机组的中标率，并确定大容量机组为目标机组，进而实现准确地对分类后机组集合中的各个机组的经济持留行为进行准确地监测。
在另一个实施例中，中标率特征具有对应的中标率特征值，根据各个机组对应的中标率特征，在分类后机组集合中确定目标机组，包括：计算各个机组对应的中标率特征值的均值，得到针对分类后机组集合的中标率均值；分别计算每个机组对应的中标率特征值与中标率均值之间的差值，得到每个机组对应的中标率差值；中标率差值用于表征机组对应的中标率特征与分类后机组集合的总体中标率特征之间的差异程度；根据每个机组对应的中标率差值，在分类后机组集合中确定目标机组。
其中，中标率特征具有对应的中标率特征值。
其中，中标率差值用于表征机组对应的中标率特征与分类后机组集合的总体中标率特征之间的差异程度。
具体实现中，当计算机设备110在根据各个机组对应的中标率特征，在分类后机组集合中确定目标机组的过程中，具体包括：计算机设备110通过计算各个机组对应的中标率特征值的均值，得到针对分类后机组集合的中标率均值；然后，计算机设备110分别计算每个机组对应的中标率特征值与中标率均值之间的差值，得到每个机组对应的用于表征机组对应的中标率特征与分类后机组集合的总体中标率特征之间的差异程度的中标率差值。最后，计算机设备110再根据每个机组对应的中标率差值，在分类后机组集合中确定目标机组。
在另一个实施例中，根据每个机组对应的中标率差值，在分类后机组集合中确定目标机组，包括：获取与分类后机组集合的机组分类条件对应的临时差异阈值；在分类后机组集合中，将中标率差值大于临时差异阈值的机组作为目标机组。
具体实现中，计算机设备110在根据每个机组对应的中标率差值，在分类后机组集合中确定目标机组的过程中，计算机设备110可以获取与分类后机组集合的机组分类条件对应的临时差异阈值。然后，计算机设备110将每个机组对应的中标率差值与临时差异阈值进行比对，当某个机组对应的中标率差值大于临时差异阈值时，计算机设备110确定该机组为目标机组。
本实施例的技术方案，中标率特征具有对应的中标率特征值，在根据各个机组对应的中标率特征，在分类后机组集合中确定目标机组的过程中，通过计算各个机组对应的中标率特征值的均值，得到针对分类后机组集合的中标率均值；分别计算每个机组对应的中标率特征值与中标率均值之间的差值，得到每个机组对应的中标率差值；中标率差值用于表征机组对应的中标率特征与分类后机组集合的总体中标率特征之间的差异程度；并获取与分类后机组集合的机组分类条件对应的临时差异阈值；在分类后机组集合中，将中标率差值大于临时差异阈值的机组作为目标机组，此时说明此台机组的中标率显著低于该分类后机组集合中的其他机组，如此可以准确地在分类后机组集合中确定中标率特征与分类后机组集合的总体中标率特征存在较大差异的目标机组，进而用于供用户对电力市场中的经济持留行为进行准确地监测。
在另一个实施例中，获取每个机组的日机组发电量，包括：获取待检测电厂的装机容量，以及，获取机组的日最大发电时长；根据待检测电厂的装机容量和机组的日最大发电时长，确定机组的日机组发电量。
具体实现中，计算机设备110在获取每个机组的日机组发电量的过程中，计算机设备110首先待检测电厂的装机容量，以及，计算机设备110获取机组的日最大发电时长；然后，计算机设备110根据待检测电厂的装机容量和每个机组对应的日最大发电时长，计算出各个机组对应的日机组发电量。其中，机组的日机组发电量也可以命名为该机组的日最大发电量。
在另一个实施例中，根据待检测电厂的装机容量和机组的日最大发电时长，确定机组的日机组发电量，包括：根据待检测电厂的装机容量，确定机组的额定有功功率；计算机组的额定有功功率与日最大发电时长之间的乘积，作为机组的日机组发电量。
具体实现中，计算机设备110在根据待检测电厂的装机容量和机组的日最大发电时长，确定机组的日机组发电量的过程中，具体包括：计算机设备110根据待检测电厂的装机容量，确定机组的额定有功功率；然后，计算机设备110计算机组的额定有功功率与日最大发电时长之间的乘积，并将计算得到的乘积作为机组的日机组发电量。
本实施例的技术方案，通过根据待检测电厂的装机容量，确定机组的额定有功功率；计算机组的额定有功功率与日最大发电时长之间的乘积，从而可以准确地计算出机组的日机组发电量。
在一个实施例中，如图3所示，提供了另一种机组经济持留行为的检测方法，具体包括以下步骤：步骤S310，按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合。步骤S320，针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量。步骤S330，分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；所述中标率特征具有对应的中标率特征值。步骤S340，计算各个所述机组对应的中标率特征值的均值，得到针对所述分类后机组集合的中标率均值。步骤S350，分别计算每个所述机组对应的中标率特征值与所述中标率均值之间的差值，得到每个所述机组对应的中标率差值；所述中标率差值用于表征所述机组对应的中标率特征与所述分类后机组集合的总体中标率特征之间的差异程度。步骤S360，获取与所述分类后机组集合的机组分类条件对应的临时差异阈值。步骤S370，在所述分类后机组集合中，将所述中标率差值大于所述临时差异阈值的机组作为所述目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。上述步骤的具体限定可以参见上文对一种机组经济持留行为的检测方法的具体限定，在此不再赘述。
应该理解的是，虽然图2和图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2和图3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种机组经济持留行为的检测装置，包括：
分类模块410，用于按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；
获取模块420，用于针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；
确定模块430，用于分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；
检测模块440，用于根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。
在其中一个实施例中，所述机组分类条件包括同地区机组分类条件、同类型机组分类条件和同容量机组分类条件中的至少一种。
在其中一个实施例中，当所述机组分类条件为所述同地区机组分类条件或所述同类型机组分类条件时，所述检测模块440，具体用于确定所述分类后机组集合中的大容量机组和所述分类后机组集合中的小容量机组；当所述大容量机组对应的中标率特征与所述小容量机组对应的中标率特征之间的特征差异值大于预设的差异阈值时，确定所述大容量机组为所述目标机组。
在其中一个实施例中，所述中标率特征具有对应的中标率特征值，所述检测模块440，具体用于计算各个所述机组对应的中标率特征值的均值，得到针对所述分类后机组集合的中标率均值；分别计算每个所述机组对应的中标率特征值与所述中标率均值之间的差值，得到每个所述机组对应的中标率差值；所述中标率差值用于表征所述机组对应的中标率特征与所述分类后机组集合的总体中标率特征之间的差异程度；根据每个所述机组对应的中标率差值，在所述分类后机组集合中确定目标机组。
在其中一个实施例中，所述检测模块440，具体用于获取与所述分类后机组集合的机组分类条件对应的临时差异阈值；在所述分类后机组集合中，将所述中标率差值大于所述临时差异阈值的机组作为所述目标机组。
在其中一个实施例中，所述获取模块420，具体用于获取所述待检测电厂的装机容量，以及，获取所述机组的日最大发电时长；根据所述待检测电厂的装机容量和所述机组的日最大发电时长，确定所述机组的日机组发电量。
在其中一个实施例中，所述获取模块420，具体用于根据所述待检测电厂的装机容量，确定所述机组的额定有功功率；计算所述机组的额定有功功率与所述日最大发电时长之间的乘积，作为所述机组的日机组发电量。
关于机组经济持留行为的检测装置的具体限定可以参见上文中对于机组经济持留行为的检测方法的限定，在此不再赘述。上述机组经济持留行为的检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储机组数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种机组经济持留行为的检测方法。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
步骤S210，按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；
步骤S220，针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；
步骤S230，分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；
步骤S240，根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。
在一个实施例中，所述机组分类条件包括同地区机组分类条件、同类型机组分类条件和同容量机组分类条件中的至少一种。
在一个实施例中，当所述机组分类条件为所述同地区机组分类条件或所述同类型机组分类条件时，处理器执行计算机程序时还实现以下步骤：确定所述分类后机组集合中的大容量机组和所述分类后机组集合中的小容量机组；当所述大容量机组对应的中标率特征与所述小容量机组对应的中标率特征之间的特征差异值大于预设的差异阈值时，确定所述大容量机组为所述目标机组。
在一个实施例中，所述中标率特征具有对应的中标率特征值，处理器执行计算机程序时还实现以下步骤：计算各个所述机组对应的中标率特征值的均值，得到针对所述分类后机组集合的中标率均值；分别计算每个所述机组对应的中标率特征值与所述中标率均值之间的差值，得到每个所述机组对应的中标率差值；所述中标率差值用于表征所述机组对应的中标率特征与所述分类后机组集合的总体中标率特征之间的差异程度；根据每个所述机组对应的中标率差值，在所述分类后机组集合中确定目标机组。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取与所述分类后机组集合的机组分类条件对应的临时差异阈值；在所述分类后机组集合中，将所述中标率差值大于所述临时差异阈值的机组作为所述目标机组。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取所述待检测电厂的装机容量，以及，获取所述机组的日最大发电时长；根据所述待检测电厂的装机容量和所述机组的日最大发电时长，确定所述机组的日机组发电量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述待检测电厂的装机容量，确定所述机组的额定有功功率；计算所述机组的额定有功功率与所述日最大发电时长之间的乘积，作为所述机组的日机组发电量。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
步骤S210，按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；
步骤S220，针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；
步骤S230，分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；
步骤S240，根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。
在一个实施例中，所述机组分类条件包括同地区机组分类条件、同类型机组分类条件和同容量机组分类条件中的至少一种。
在一个实施例中，当所述机组分类条件为所述同地区机组分类条件或所述同类型机组分类条件时，计算机程序被处理器执行时还实现以下步骤：确定所述分类后机组集合中的大容量机组和所述分类后机组集合中的小容量机组；当所述大容量机组对应的中标率特征与所述小容量机组对应的中标率特征之间的特征差异值大于预设的差异阈值时，确定所述大容量机组为所述目标机组。
在一个实施例中，所述中标率特征具有对应的中标率特征值，计算机程序被处理器执行时还实现以下步骤：计算各个所述机组对应的中标率特征值的均值，得到针对所述分类后机组集合的中标率均值；分别计算每个所述机组对应的中标率特征值与所述中标率均值之间的差值，得到每个所述机组对应的中标率差值；所述中标率差值用于表征所述机组对应的中标率特征与所述分类后机组集合的总体中标率特征之间的差异程度；根据每个所述机组对应的中标率差值，在所述分类后机组集合中确定目标机组。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取与所述分类后机组集合的机组分类条件对应的临时差异阈值；在所述分类后机组集合中，将所述中标率差值大于所述临时差异阈值的机组作为所述目标机组。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取所述待检测电厂的装机容量，以及，获取所述机组的日最大发电时长；根据所述待检测电厂的装机容量和所述机组的日最大发电时长，确定所述机组的日机组发电量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据所述待检测电厂的装机容量，确定所述机组的额定有功功率；计算所述机组的额定有功功率与所述日最大发电时长之间的乘积，作为所述机组的日机组发电量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种机组经济持留行为的检测方法，其特征在于，所述方法包括：
按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；
针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；
分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；
根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。
2.根据权利要求1所述的方法，其特征在于，所述机组分类条件包括同地区机组分类条件、同类型机组分类条件和同容量机组分类条件中的至少一种。
3.根据权利要求2所述的方法，其特征在于，当所述机组分类条件为所述同地区机组分类条件或所述同类型机组分类条件时，所述根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组，包括：
确定所述分类后机组集合中的大容量机组和所述分类后机组集合中的小容量机组；
当所述大容量机组对应的中标率特征与所述小容量机组对应的中标率特征之间的特征差异值大于预设的差异阈值时，确定所述大容量机组为所述目标机组。
4.根据权利要求1所述的方法，其特征在于，所述中标率特征具有对应的中标率特征值，所述根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组，包括：
计算各个所述机组对应的中标率特征值的均值，得到针对所述分类后机组集合的中标率均值；
分别计算每个所述机组对应的中标率特征值与所述中标率均值之间的差值，得到每个所述机组对应的中标率差值；所述中标率差值用于表征所述机组对应的中标率特征与所述分类后机组集合的总体中标率特征之间的差异程度；
根据每个所述机组对应的中标率差值，在所述分类后机组集合中确定目标机组。
5.根据权利要求4所述的方法，其特征在于，所述根据每个所述机组对应的中标率差值，在所述分类后机组集合中确定目标机组，包括：
获取与所述分类后机组集合的机组分类条件对应的临时差异阈值；
在所述分类后机组集合中，将所述中标率差值大于所述临时差异阈值的机组作为所述目标机组。
6.根据权利要求1所述的方法，其特征在于，所述获取每个所述机组的日机组发电量，包括：
获取所述待检测电厂的装机容量，以及，获取所述机组的日最大发电时长；
根据所述待检测电厂的装机容量和所述机组的日最大发电时长，确定所述机组的日机组发电量。
7.根据权利要求6所述的方法，其特征在于，所述根据所述待检测电厂的装机容量和所述机组的日最大发电时长，确定所述机组的日机组发电量，包括：
根据所述待检测电厂的装机容量，确定所述机组的额定有功功率；
计算所述机组的额定有功功率与所述日最大发电时长之间的乘积，作为所述机组的日机组发电量。
8.一种机组经济持留行为的检测装置，其特征在于，所述装置包括：
分类模块，用于按照预设的机组分类条件，对待检测电厂中的机组进行分类，得到分类后机组集合；
获取模块，用于针对所述分类后机组集合中的每个机组，获取每个所述机组的日中标发电量，以及，获取每个所述机组的日机组发电量；
确定模块，用于分别确定每个所述机组对应的中标率特征；所述中标率特征为根据所述机组的日中标发电量与所述机组的日机组发电量之间的比值得到的；
检测模块，用于根据各个所述机组对应的中标率特征，在所述分类后机组集合中确定目标机组；所述目标机组用于供用户对电力市场中的经济持留行为进行监测。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010279499.XA CN111476493B (zh) | 2020-04-10 | 2020-04-10 | 机组经济持留行为的检测方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010279499.XA CN111476493B (zh) | 2020-04-10 | 2020-04-10 | 机组经济持留行为的检测方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111476493A true CN111476493A (zh) | 2020-07-31 |
| CN111476493B CN111476493B (zh) | 2022-07-29 |
Family
ID=71751801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010279499.XA Active CN111476493B (zh) | 2020-04-10 | 2020-04-10 | 机组经济持留行为的检测方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111476493B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009019159A2 (de) * | 2007-08-09 | 2009-02-12 | Werner Leonhard | Unterstuetzung einer nachhaltigen energieversorgung mit einem kohlenstoff-kreislauf unter einsatz von regenerativ erzeugtem wasserstoff |
| CN108022178A (zh) * | 2017-11-16 | 2018-05-11 | 清华大学 | 基于剩余供应指数调节市场供需的电量出清方法及装置 |
| CN110942250A (zh) * | 2019-11-27 | 2020-03-31 | 广西电网有限责任公司 | 一种电力容量持留检测方法、装置及设备 |
-
2020
- 2020-04-10 CN CN202010279499.XA patent/CN111476493B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009019159A2 (de) * | 2007-08-09 | 2009-02-12 | Werner Leonhard | Unterstuetzung einer nachhaltigen energieversorgung mit einem kohlenstoff-kreislauf unter einsatz von regenerativ erzeugtem wasserstoff |
| CN108022178A (zh) * | 2017-11-16 | 2018-05-11 | 清华大学 | 基于剩余供应指数调节市场供需的电量出清方法及装置 |
| CN110942250A (zh) * | 2019-11-27 | 2020-03-31 | 广西电网有限责任公司 | 一种电力容量持留检测方法、装置及设备 |
Non-Patent Citations (4)
| Title |
|---|
| HONGYAN LI ET AL.: "Capacity Withholding in Restructured Wholesale Power Markets An Agent-based Test Bed Study", 《2009 IEEE/PES POWER SYSTEMS CONFERENCE AND EXPOSITION》 * |
| 周浩 等: "电力市场中经济持留的研究", 《电力系统自动化》 * |
| 李玉平等: "统一出清电价机制下发电商容量持留与市场份额分析", 《上海大学学报(自然科学版)》 * |
| 陈建华 等: "应用量价指数进行发电商报价分析", 《浙江大学学报（工学版）》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111476493B (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10805151B2 (en) | Method, apparatus, and storage medium for diagnosing failure based on a service monitoring indicator of a server by clustering servers with similar degrees of abnormal fluctuation | |
| US11746753B2 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
| CN109992473B (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
| CN110618890B (zh) | 故障处理方法、装置、电子设备及计算机可读存储介质 | |
| CN111400126B (zh) | 网络服务异常数据检测方法、装置、设备和介质 | |
| US11293989B2 (en) | Anomaly detection device, anomaly detection method, and recording medium | |
| CN112541016A (zh) | 用电异常检测方法、装置、计算机设备和存储介质 | |
| CN110674149B (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
| CN113992602B (zh) | 一种电缆监测数据上传方法、装置、设备以及存储介质 | |
| CN113570473B (zh) | 设备故障监测方法、装置、计算机设备和存储介质 | |
| CN116015922A (zh) | 一种电力物联网的网络安全态势分析方法、装置及设备 | |
| CN113569399A (zh) | 风电机组运行数据处理方法、系统、设备及存储介质 | |
| CN111476493B (zh) | 机组经济持留行为的检测方法、装置和计算机设备 | |
| CN117805663B (zh) | 基于运行状态的电池测试方法、装置、设备和介质 | |
| CN110995506B (zh) | 告警量异常的定位方法、装置、存储介质和计算机设备 | |
| US20180129963A1 (en) | Apparatus and method of behavior forecasting in a computer infrastructure | |
| CN118673500A (zh) | 一种基于智能终端的风险检测和评估的系统及方法 | |
| CN116049658B (zh) | 一种风电机组异常数据识别方法、系统、设备及介质 | |
| CN112398226A (zh) | 一种供电系统反窃电方法、系统、终端及存储介质 | |
| CN115361295B (zh) | 基于topsis的资源备份方法、装置、设备及介质 | |
| CN116610547A (zh) | 服务器性能评估方法、装置、计算机设备和存储介质 | |
| CN116992274A (zh) | 基于改进主成分回归模型的短期风速预测方法及系统 | |
| CN115829543A (zh) | 基于故障需检区间的电力设备预防性试验有效性确定方法 | |
| CN115622264A (zh) | 一种电力信息监控系统及方法 | |
| CN114281474A (zh) | 一种资源调节方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |