(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 202211127867.4 (22)申请日 2022.09.16 (71)申请人 南瑞集团有限公司 地址 211106 江苏省南京市江宁经济技 术 开发区诚信大道19号2幢 (72)发明人 薛峰　常康　李威　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06Q 20/38(2012.01) G06Q 40/04(2012.01) G06Q 50/06(2012.01)G06K 9/62(2022.01) (54)发明名称 一种智能能源交易管理系统及协调控制方 法 (57)摘要 本发明公开了能源协调领域的一种智能能 源交易管理系统及协调控制方法， 方法包括： 基 于智能合约的交易管理子系统、 智能电表子系统 和预测子系统， 预测子系统通过本地数据库完成 集群电力预测模 型训练， 对消费用户的电力消耗 和生产用户的电力生产进行预测分析获得短期 电力需求预测数据； 所述预测子系统将短期电力 需求预测数据传递到交易管 理子系统； 所述交易 管理子系统以消费者的电力交付成本最小化为 目标， 根据短期电力需求预测数据分析优化市场 调度方案， 辅助发电调度， 平衡供需关系， 提高综 合能源利用效率。 权利要求书3页 说明书8页 附图1页 CN 115511276 A 2022.12.23 CN 115511276 A 1.一种智能 能源交易管理系统， 其特 征在于， 包括： 基于智能合约的交易管理子系统， 作用于智能合约 生成、 智能合约支付、 智能合约执行 和智能合约终止； 智能电表子系统， 配置于消费用户 和生产用户的智能电表内， 作用于本地数据采集与 存储、 智能合约执 行和用户电力预测模型的边 缘训练； 预测子系统， 通过本地数据库完成集群电力预测模型训练， 对消费用户的 电力消耗和 生产用户的电力生产进行 预测分析获得短期电力需求预测数据； 所述预测子系统将短期电力需求预测数据传递到交易管理子系统； 所述交易管理子系 统以消费者的电力交付 成本最小化为目标， 根据短期电力需求预测数据分析优化市场调 度 方案。 2.根据权利要求1所述的一种智能能源交易管理系统， 其特征在于， 所述交易管理子系 统基于区块链网络 建立， 采用分布式账本技术和智能合约技术进 行P2P能源交易， 所述交易 管理子系统拥有分布式账本副本并维护分布式账本的一 致性。 3.根据权利要求1或权利要求2所述的一种智能能源交易管理系统 的协调控制方法， 其 特征在于， 包括： 采集消费用户和生产用户的实时交易数据； 将实时交易数据输入至预先训练的集群电力预测模型中， 对消费用户的电力消耗和生 产用户的电力生产进行 预测分析获得短期电力需求预测数据； 以电力交付成本最小化 为目标， 根据短期电力需求预测数据分析优化市场调度方案 。 4.根据权利要求3所述的一种智能能源交易管理系统 的协调控制方法， 其特征在于， 所 述集群电力预测模型的训练过程包括： 根据机器学习算法构建用户电力预测模型， 初始化用户电力预测模型并发送至消费用 户和生产用户的智能电表子系统； 通过智能电表储存的历史交易数据构建本地数据库； 利用本地数据库对用户电力预测 模型进行训练后， 选取电力交付成本最小的用户电力预测模型的参数 上传至预测子系统； 采用DBSCAN聚类算法对所有用户电力预测模型进行集群分类， 为每个集群分配ID， 并 分别将各个集群中的用户电力预测模型聚合， 获得集群电力预测模型； 通过遗传算法对每个集群电力预测模型的参数进行优化； 根据集群电力预测模型的参 数重置对应集群中用户电力预测模型的参数， 重复训练过程对集群电力预测模型进行迭代 直至预测准确度收敛， 获得 预测准确度大于设定阈值的集群电力预测模型。 5.根据权利要求4所述的一种智能能源交易管理系统 的协调控制方法， 其特征在于， 初 始化用户电力预测模型并发送至消费用户和生产用户的智能电表子系统的方法包括： 按照设定次数随机选于[e‑1,e‑6]区间内的学习 速率对用户电力预测模型进行初始化， 将初始化的用户电力预测模型发送至消费用户和生产用户的智能电表子系统。 6.根据权利要求4所述的一种智能能源交易管理系统 的协调控制方法， 其特征在于， 采 用DBSCAN聚类算法对所有用户电力预测模型进行集群分类的方法包括： 选取一个未标记分类的用户电力预测模型作为核心点， 计算核心点至相邻用户电力预 测模型的距离 以核心点为中心在邻域半径ε范围内， 寻找符合设定最小样本密度MinPtsM和数据集最权　利　要　求　书 1/3 页 2 CN 115511276 A 2小学习速率 ηmin的用户电力预测模型创建簇， 并分类标记为 集群。 7.根据权利要求6所述的一种智能能源交易管理系统 的协调控制方法， 其特征在于， 计 算核心点至相邻用户电力预测模型的距离， 计算公式为： ε0＝| ηi‑ηp| 公式中， ηi表示为核心点相邻用户电力预测模型的学习速率， ηp为核心点学习速率； ε0 表示为核心点至相邻用户电力预测模型的距离 。 8.根据权利要求7所述的一种智能能源交易管理系统 的协调控制方法， 其特征在于， 通 过遗传算法对每 个集群电力预测模型的参数进行优化的方法包括： 对集群中用户电力预测模型的电力交付成本进行排序， 保存每个集群 内电力交付成本 最小的前两个用户电力预测模型， 记作用户电力预测参照模型； 由集群中电力预测参照模型的学习速率中随机选择学习速率， 并引入一个随机参数生 成新学习速率， 公式为： 公式中， f为[ ‑1,1]内的随机数； ηnew表示为生成的新学习速率； η表示为由集群中电力 预测参照模型的学习速率中随机 选择的学习速率； 根据新学习速率调 整集群中除去电力预测参照模型外的用户电力预测模型， 重复生成 新学习速率 直至集群中除去电力预测参照模型外的用户电力预测模型全部调整。 9.根据权利要求8所述的一种智能能源交易管理系统 的协调控制方法， 其特征在于， 重 复训练过程对集群电力预测模型进行迭代直至预测准确度收敛， 获得预测准确度大于 设定 阈值的集群电力预测模型的方法包括： 根据对集群电力预测模型进行迭代直至预测准确度收敛的训练过程， 确定限制条件 并 建立优化问题模型； 优化问题模型的表达公式为： 公式中， λi为集群k中第i个用户电力预测模型的重要性权重， ∑i∈kλi＝1； Ωk为集群k聚 类的质心， m为集群k中用户电力预测模 型的数量， n为全部用户电力预测模 型的数量， l( ·) 表示为训练损耗函 数， Di为第i个用户电力预测模型中的数据集， K表示为集群数量； ωi表示 为第i个用户电力预测模型； 对集群电力预测模型进行训练迭代， 当优化问题模型的限制条件成立时， 并且用户电 力预测模型 学习速率满足判断条件， 获得 预测准确度大于设定阈值的集群电力预测模型； 所述判断条件的表达公式为：权　利　要　求　书 2/3 页 3 CN 115511276 A 3