loader
banner

Slide 电力市场 价格分析 让决策更科学 01. 基本面和统计面分析 通过历史数据和统计指标分析电价 02. 机器学习价格预测 通过大数据和深度学习预测价格 #Data Science # Data analysis
Long Term

中长期价格统计、分析、预测

根据电源结构和负荷结构形成的供需关系历史和演化进行价格预测。

  • 全国各主要市场价格走势
  • 动力煤、石油、天然气价格走势
  • 各省份供需关系走势
  • 城市经济发展趋势
img
img
img
img
Short Term

短期价格预测

运⽤经济学、博弈论等学科知识,模拟电⼒市场的各⽅⾏为,匹配供给和需求预测价格。

  • 多智能体仿真法
  • 基本面分析法
  • 统计学分析法
  • 人工智能分析法
OUR SERVICES

专有的价格预测方法

多智能体报价

多智能体模型运⽤经济学、博弈论等学科知识,模拟电⼒市场的各⽅⾏为,匹配供给和需求预测价格。其中又分为基于成本的模型和策略性报价模型,这类模型比较灵活,要求模型使⽤者⾃⼰确定很多变量,如参与者可能⽤的策略是什么,其交互⽅式等。

分区域报价策略

用户可以针对不同区域的主体设置不同的报价策略集合,模拟市场成员不同报价决策下的市场总体电价情况和走势,为制定不同场景下的交易策略打下基础。
  • 多报价策略
  • 智能设置报价
  • 多场景横向比较
  • 历史场景纵向比较

机器学习预测

机器学习结合了学习、进化、模糊化的特性,可以灵活的适应复杂的动态模型。以往通常采用人工神经网络算法或机器学习算法如SVM,现阶段通常采用深度学习网络RNN、LSTM、CNN、XGBoost等算法。

人工智能x能源价格

前沿的人工智能集成算法及基于时间序列的深度学习预测方法对具有非线性、时间序列等特征的数据,具有准确率高、鲁棒性好的特点,逐渐成为了解决价格预测类问题的必然选择。
  • 第三方数据源接入
  • 数据标注
  • 机器学习模型构建
  • 机器学习价格预测

统计分析预测

直接运⽤统计学和计量经济学的⽅法根据前期数据进⾏预测。 统计模型运⽤数学⽅法组合过去的电价数据和外部数据,⼀般是⽣产数据、需求数据、天⽓数据。

统计学模型应用范围

统计模型最⼤的优势在于它很好解释变量的影响,⽅便理解模型内部的⾏为。缺点是它不能很好的⽀持⾮线性拟合。通常包括历史同日比较法、回归模型法、自回归滑动平均模型等。
  • 数据分析
  • 数据拟合
  • 多维指标
  • 历史回测

多维指标分析预测

模拟关键的物理量和经济因素对电价的影响来描述价格变化和预测电价。该模型试图捕捉电⼒⽣产和交易中存在的基本物理量和经济指标的关系。假设基本因素(负载,天⽓条件,系统参数等)之间的功能相互关联,并且共同作用于市场价格。

多维指标定量分析

定量模型描述电价随时间推移的统计特性,最终⽬标是⾦融衍⽣⼯具的评估和⻛险管理。 它们的主要⽬的不是提供准确的每⼩时的价格预测,⽽是复制每⽇电价的主要特征,如未来时间点的边际分布、价格动态以及商品价格之间的相关性。这些模型是衍⽣品定价和⻛险管理系统的核⼼。
  • 燃料价格
  • 气象调节
  • 供需关系
  • 其他因素
img
img
Operstions

直接对接交易中心数据

星能云ElecTrade价格分析系统直接对接各个交易中心现货数据,用户无需担心繁琐的数据准备过程。

  • 数据中台
  • 智能转换
  • 自动分析
  • 智能统计
TESTIMONIALS

客户反馈

AWARDS

Awards & Accreditations

img
Microsoft Partner of the Year Award
img
Global Sourcing Awards 2018 Finalist
img
Gold Winner of 2013 Horizon Awards
img
European Software Testing Awards Finalist
img
Microsoft Partner of the Year Award
img
Global Sourcing Awards 2018 Finalist
img
Microsoft Partner of the Year Award
Blog

Recent Blog

Newsletter

Subscribe for Newsletter