电力信息系统竞价上网专家分析决策支持系统

单击此处编辑母版标题样式,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,电力信息系统,竞价上网专家分析决策支持系统,当前，我国的电力企业正面临着进行电力市场改革，,厂网分开、竞价上网,的新形势。如何实时地了解、分析和控制成本，如何能在电力市场的竞争中立于不败之地已经成为发电厂需要解决的迫在眉睫的问题。,竞价上网决策支持系统,正是为电厂在,厂网分开、竞价上网,改革的新形势要求下，能够实时地计算出发电成本，能够正确地预测生产成本变化趋势，为控制成本提供准确的依据，在报价时对成本,心中有数,，并且为报价工作提供多种辅助决策信息和有成本依据、最低风险、能得到比较高出力的报价建议而开发的一个智能型的专家分析决策系统。此软件是由竞价上网方面的专家在认真研究和讨论后形成的。,一概述,发电成本的实时分析：为电力生产的经营管理和运行调度部门实时提供发电成本信息，为竞价上网的报价工作提供成本依据。,上网报价辅助决策系统；根据市场变化趋势进行竞争电价预测，提供对报价的多种分析数据，本着最低风险和最高报价的建议，帮助电厂决策者取得最好的经济效益。,提供各发电机组运行优化，智能监控，监测管理参数。它实际是一个大型专家系统。,二、系统主要功能,三、系统结构,包含如下内容：机组类型设置、机组参数设置、实时时间段设置、项目性质维护设置、项目属性维护设置、固定成本项目维护设置、设置固定成本计算方式设置、单价类项目维护设置、启停成本计算方式设置、停运小时的项目及其小时数项目设置、酌量性成本的系数设置、材料价格修正系数（百分比）设置。,基础设置,数据准备包括：基础数据准备、年度计划数据、月度计划数据、日数据录入。,数据准备,成本预算,根据成本预测数学模型，预测未来几天的不同负荷下的煤耗率和单位变动成本。,预测循环水温度,预测真空,预测煤耗率,预测不同负荷下的单位变动成本。,成本计算,保本电量,系统根据保本电量计算模型预测下一年度的保本电量，测算日保本电量，动态测算本年度剩余时间的保本电量。计划保本电量和保本电价：每年年底根据成本计划和发电合同测算下一年度的保本上网电量。年中如果修改了单价、成本计划或合同电量也需重新计算年度保本电量。在计算出的保本电量的基础上，计算对应不同保本电量的保本电价。,成本报价,市场报价,报价建议：,根据预测的发电厂各个机组的发电生产成本、电力市场规则和程序的报价策略向报价员提供未来一天各个时间段的报价。并且提供与报价有关的分析结果，包括：各个时间段可能的竟价失败风险，最大可能出力，最大可能发电量，最大可能上网电量；以及各个时间段相对于成本的盈亏，日加权平均竞争电价，日平均出力，日最大可能发电量和上网电量，可能的电费收入和利润，等。,报价曲线：,根据电力市场规则和程序的报价策略向报价员提供,1-6,条建议报价曲线，并且提供与报价曲线有关的分析结果，包括：如果按此报价曲线报价，各个时间段可能的停机概率，最大可能出力，最大可能发电量，最大可能上网电量；以及各个时间段相对于成本的盈亏，日加权平均竞争电价，日平均出力，日最大可能发电量和上网电量，可能的电费收入和利润，等。,网调信息,“实时成本”数据查询：,成本查询,“成本预测”查询：,“报价建议”查询：,“省调发布信息”查询：,“合同信息”查询：,“结算信息”查询：,智能商务之一,数据仓库,传统数据库系统存在的问题,:,一般的数据库系统主要是组织与管理与业务活动或事务处理有关的信息。由于它面向一般的管理层的事务处理，因此对信息的组织主要立足于使这些管理部门便于存取访问这些数据，并对这些数据进行加工处理，生成本部门所需的数据，同时对企业所有数据在逻辑上进行集中管理。既满足了数据的共享性，又能保证数据的完整性、一致性及安全性。然而对于企业的领导层来说，他们不仅要求知道各部门的一些关键信息，以了解企业当前的运行情况更需要的是要对这些数据进行汇总、分析与推理，形成决策有用的信息。因此，希望在数据库的基础上再建立一个系统，以提供分析型的数据，作为领导决策的依据。而当前的数据库系统，在每一个业务部门都积累了大量的数据，对高层管理者来说，它还是一个原始状态的信息资源，而且分散在各个子系统中，要利用它来生成一个分析报告是非常困难的数据库系统没有提供有效的手段，来抽取这些零碎且结构各不相同的数据，并将它统一起来。其次，决策层的查询需求事前并不知道，原有数据库未按某些主题来组织数据，因此一次操作的数据量很大，因而查询效率极为低下。,在前述需求背景下，,1993,年,Inmon,正式提出了数据仓库,(Data Warehouse),这一概念。他对数据仓库的定义是：数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。,数据仓库的特性,:,面向主题的。所谓主题，即从较高层次上将数据分类。数据库是按应用部门来分类，例：一个保险公司的数据若按部门来分类，则有人寿保险、健康保险、汽车保险等：若按主题来分类，则所面向的主题是客户、保险金、索赔等。基于主题而组织的数据被划分为各自独立的领域，每个领域有自己的逻辑内涵、互不交叉，基于应用部门而组织的数据不适合按主题作数据分析的要求。,集成性。即从各个部门提取的数据要从结构上进行转化，以统一原始数据中所有矛盾之处，如字段的同名异义、异名同义、单位不统一、字长不一致等，这样才能构成数据仓库中的分析型数据，这是数据仓库建设中最关键的因素。,稳定性。由于数据仓库的数据是从大量历史数据中捉取出来的，通过上述集成后就基本上不再更新了。数据的组织主要是支持高效的查询。,具有时间特征。数据仓库是按不同的历史时期,(,例如,5-10,年,),的某一主题来存储数据，因此数据仓库中的数据具有时间属性。其关键字中包括时间项，以标明该数据的历史时期。,数据仓库的组织结构,:,高度综合级,轻度综合级,详细级,在设计数据仓库前，要清楚地了解原有数据库系统中已有什么数据，如何尽可能地利用这些已有数据。,数据仓库应按分析的需求，重新考察数据库系统中数据之间的联系，并按主题的要求重新组织数据。,要建立数据模型。将数据库系统中的数据按数据模型的要求重新组织，一般还是用关系模型来表示，即按主题建立相应的关系模式。,数据仓库的设计是一个动态反馈和循环的过程。一方面，数据仓库的数据内容、结构、粒度分割等都需要根据用户所追加的信息不断地调整与完善，以提高系统的性能与效率。另一方面，通过不断理解用户的需求，向用户提供更准确更有用的决策信息。,数据仓库的设计方法,:,智能商务之二,数据挖掘,数据挖掘的含义：,随着数据库技术的不断发展及数据库管理系统的广泛应用，数据库中存储的数据量急剧增大，在大量的数据背后隐藏着许多重要的信息，如果能把这些信息从数据库中抽取出来，将为企业创造很多潜在的利润，而这种从海量数据库中挖掘信息的技术，就称为数据挖掘（,Data Mining,，,DM,）,数据挖掘的目的：,数据挖掘是从大型数据库或数据仓库中发现并提取隐藏在其中的信息或知识的过程，目的是帮助分析人员寻找数据间潜在的关联，发现忽略的要素，从而帮助预测趋势和进行决策。,数据挖掘的过程：,源,数据,目标数据,预处理后的数据,分析后的数据,知识,数据挖掘,数据挖掘的技术：,（,1,）人工神经网络,（,2,）决策树,（,3,）遗传算法,（,4,）近邻算法,（,5,）规则推导,数据挖掘的应用,：,（,1,）金融投资,（,2,）保险业,（,3,）零售业,（,4,）,天文数据分析,