一种发电机组市场力滥用判别方法
文献发布时间:2023-06-19 11:44:10
技术领域
本发明涉及电力市场技术领域,尤其是涉及一种发电机组市场力滥用判别方法。
背景技术
近年来,随着电力改革的推进,我国电力市场化改革加速推进并取得了积极有效的进展,首批8个电力现货市场试点均启动结算试运行。然而我国电力行业的产权结构特点决定以省为单位的发电侧集中度较高,容易出现滥用市场力的现象,从而引发相应风险。这种显著有害的行为,损害市场的竞争性和有效性,影响电力资源的优化配置,降低电力市场运营效率,甚至影响改革进程。因此,识别市场主体滥用市场力的违规行为,可以有效防范市场力风险,维护市场的公平与效率,减少市场损失。
电力市场中的市场力滥用主要指市场参与主体利用市场力使电价持续偏高或频繁大幅度波动带来的风险,可存在于电能、备用容量、辅助服务等各种电力商品交易中,以及发电商、售电公司和电力用户等不同市场参与主体中。即在电力市场中,滥用市场力风险可存在于多个交易环节中,厂商或者集团通过某些手段将商品销售量限制在完全竞争水平之下,将价格维持在边际成本价格以上,来谋取巨额利润,给电力市场带来巨大风险。由于我国电力市场的发电侧发电企业的市场力大,但国内电力市场建设还未采取缓解市场力的相关措施,因此对具有较强市场力的发电商进行识别和风险防范具有必要性。
现阶段国内外针对市场力滥用的研究主要有市场力滥用指标体系的构建、市场力滥用的博弈论理论推导分析、综合评价等。随着电力现货市场的推进,电力市场海量数据表现出非均衡、高维等特征,市场力滥用呈现出形式多、防范难、监管难、影响大的特点,给市场相关监管机构带来了巨大的挑战。此外,在现阶段国内外针对市场力滥用的研究中,通常采用的传统的电力市场力风险评估方法往往是基于有监督学习,但由于电力交易数据的私密性,数据样本往往没有标签,获得滥用市场力异常机组样本的难度较大,更多情况需要在无监督的前提下进行检测,因此对机组滥用市场力的判别更倾向于异常点检测问题;另外,现有技术中只停留在滥用市场力可能性的评估,但并未其形成风险的闭环管控。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种发电机组市场力滥用判别方法,该方法从滥用市场力行为特征出发、以定性和定量相结合的方式能够对市场力风险进行更加准确的判别。
本发明的目的可以通过以下技术方案来实现:
一种发电机组市场力滥用判别方法,该方法包括如下步骤:
步骤一、通过电力市场运营数据支持系统采集电力市场相关的市场整体信息、机组基本信息、机组市场交易信息和历史信用信息,并将采集的信息建立数据库。
所述市场整体信息包括市场交易实施规则、市场报价限制规则、输配电价、相关法律法规和各产业用电需求量;所述机组基本信息包括所属集团信息、发电企业装机容量、发电机组类型和发电设备利用小时数;所述机组市场交易信息包括机组申报信息、机组交易结果信息、市场运行信息、交易结算信息、市场管理信息和运营总结信息;所述历史信用信息包括历史信用情况、交易合同签订及履约情况、机组违规记录和处罚记录。
步骤二、根据步骤一获取的数据,建立滥用市场力判别指标集合,基于随机森林算法对滥用市场力判别指标集合中的各指标进行特征筛选,依据返回特征的重要性排序,确定滥用市场力判别模型采用的指标。
所述滥用市场力判别指标集合包括机组地位类指标、报价行为类指标和中标结果类指标。所述机组地位类指标包括机组市场份额、关键供应商指数;所述报价行为类指标包括机组平均报价、机组量价指数;所述中标结果类指标包括机组中标率、机组高价中标率。
基于随机森林算法对滥用市场力判别指标集合中的各指标进行特征筛选的具体内容为:对滥用市场力判别指标集合中的各指标计算其在随机森林中所作贡献,并对各贡献值取平均值,比较各指标之间的贡献值大小,获得各指标的重要性评分,根据指标的重要性评分排序筛选指标。
步骤三、基于孤立森林算法建立针对发电机组滥用市场力风险的判别模型,对参与市场的发电机组滥用市场力进行判别,获取滥用市场力潜在风险机组集合,具体流程包括:
31)利用电力交易数据作为训练数据集,基于滥用市场力判别指标集合对电力交易数据进行预处理,获取每台机组在六个指标维度的计算结果,将每台机组的所有指标结果组成一个向量后,根据构建iTree步骤进行训练,构建由iTree组成的孤立森林;
32)将每台机组遍历每一棵iTree,计算其在孤立森林中的平均高度,得到每台机组的异常分值,根据异常分值判该机组是否属于异常机组,完成对滥用市场力发电机组的判别。
其中,步骤31)中,构建iTree的具体步骤包括:
311)首先对电力交易数据训练样本集X={x
312)随机从滥用市场力判别指标集合D={d,d
313)以所述切割点o生成一个切割面,对数据样本进行划分,经在该维度上小于o的样本点归入当前节点的左分支,将大于或等于o的样本点归入当前节点的右分支;
314)依据各个指标维度递归步骤312)和313),不断切割数据空间,直至满足以下条件:
(a)所有的子节点中只有一个样本点,无法再继续切割;
(b)iTree的高度达到限定高度
步骤32)的具体内容为:
对于一个机组,在评估过程中遍历iForest中所有的iTree,查询其在每个iTree的节点位置,计算机组在iForest中的平均深度,并对所有样本点在iForest的平均深度进行归一化;每台机组在iTree上所处的深度为该机组从iTree的根节点开始,穿过iTree中间节点,沿各个分支往下走,直至到达叶子节点,在此过程中经过的路径长度,用h(i)表示;计算每台机组的平均深度,获取一个0到1的数值,该数值即为该机组的异常分值,若异常分值越接近1,则判断机组滥用市场力的可能性越大,若异常分值越接近0,则判断机组滥用市场力的可能性越小,若多数样本的异常分值都接近于0.5,则判断整个电力市场都没有明显滥用市场力的异常机组。
步骤四、利用专家系统获取市场力风险逻辑推演模型,对滥用市场力潜在风险机组集合进行跟踪,判定滥用市场力风险机组。
进一步地,利用专家系统获取的市场力风险逻辑推演模型包括数据采集模块、专家知识库及推理机,所述数据采集模块从所述电力市场运营数据支持系统采集信息;所述专家知识库包括基于外在表现的正向推理规则、基于内在机理的反向推理规则、基于风险判别的推理规则和基于历史信用的推理规则;所述推理机根据专家知识库中的各推理规则对发电机组的行为进行处理,当某发电机组的推理值超过专家系统设定的风险阈值时,则判定该发电机组动滥用了市场力风险机组。
步骤五、将判定为滥用市场力的机组生成异常标签样本输入数据系统,实现数据的闭环管理。具体地:
综合考虑步骤二~步骤四对市场力风险的监测、判别及跟踪的结果,对不同程度的市场力风险进行相应级别的预警,并制定不同预警级别下的应对机制,生成风险处置建议,并将滥用市场力风险机组作为异常样本输入步骤一的数据库,实现滥用市场力风险判别模型的闭环管理。
本发明提供的发电机组市场力滥用判别方法,相较于现有技术至少包括如下有益效果:
1)考虑到机组特征指标多、数据量大的特点,本发明利用随机森林算法进行指标筛选,动态更新指标重要性评分,从而选择更有效的指标,进一步提高孤立森林算法判别的准确性;
2)传统的电力市场力风险评估方法往往是基于有监督学习,但由于电力交易数据的私密性,数据样本往往没有标签,获得滥用市场力异常机组样本的难度较大,更多情况需要在无监督的前提下进行检测,因此对机组滥用市场力的判别更倾向于异常点检测问题;本发明针对此项缺陷,提出的基于孤立森林算法的滥用市场力判别模型,可以在不需要训练集的情况下,通过发电机组的行为特征计算出其滥用市场力的可能性,大大简化了获取滥用市场力异常机组样本的难度;
3)现有技术中只停留在滥用市场力可能性的评估,但并未其形成风险的闭环管控;本发明针对此项缺陷,对电力市场力风险进行动态监测、评估、跟踪及处置,提出的基于专家系统的市场力风险逻辑推演模型,同时考虑风险形成的逻辑性和风险存在的可能性,采用混合推理机和专家知识库,可以显著地提高风险分析结果的可信度,从而为市场监管者提供权威的决策基础,并将最终判别结果作为异常样本输入数据库,实现滥用市场力风险的闭环管控。
附图说明
图1为实施例中发电机组市场力滥用判别方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
本发明涉及一种发电机组市场力滥用判别方法,该方法的判别对象为全部参与市场交易的发电机组;本发明方法基于随机森林算法、孤立森林算法与专家系统,适用于电力现货市场数据量大、异常样本少的情况,能够实现电力市场力的有效风险管理,可为市场监管人员提供有效的风险预警与决策基础。具体地,如图1所示,该方法包括以下步骤:
S1、市场运营数据采集步骤:通过电力市场运营数据支持系统,采集电力市场的数据,数据包括市场整体信息、机组基本信息、机组市场交易信息和历史信用信息,并将采集的信息建立数据库。其中:
市场整体信息包括市场交易实施规则、市场报价限制规则、输配电价、相关法律法规和各产业用电需求量;
机组基本信息包括所属集团信息、发电企业装机容量、发电机组类型和发电设备利用小时;
机组市场交易信息包括机组申报信息、机组交易结果信息、市场运行信息、交易结算信息、市场管理信息和运营总结信息;
历史信用信息包括历史信用情况、交易合同签订及履约情况、机组违规记录和处罚记录。
S2、滥用市场力监测步骤:根据步骤S1中获取的电力市场数据,建立滥用市场力判别指标集合,基于随机森林算法对集合中的各指标进行特征筛选,根据返回特征的重要性排序,确定滥用市场力判别模型采用的指标。
滥用市场力判别指标集合包含机组地位类指标、报价行为类指标和中标结果类指标,并利用基于随机森林的指标筛选模型对集合中的指标进行筛选,其中:
机组地位类指标包括机组市场份额和关键供应商指数;机组市场份额为机组中标量占市场总中标量的比例,其计算公式为:
式中,SHA
关键供应商是指为满足市场需求必须被调用的发电机组,关键供应商指数通过判断扣除目标发电机组容量后,其他发电机组容量之和是否能够满足负荷需求,来确定关键供应商,具体计算公式为:
式中,OPS
报价行为类指标包括机组平均报价和机组量价指数;机组平均报价为机组在现货市场中有效报价段中各段的申报电价与申报容量的乘积之和除以有效容量,机组平均报价的价格的计算公式如下:
式中,
机组量价指数为机组有效报价段的申报电价与申报容量标幺值的和。机组量价指数可以反映机组申报高价的行为,量价指数的计算公式如下:
式中,CPI
中标结果类指标包括机组中标率和机组高价中标率;机组中标率定义为机组的中标总电量与其申报总电量的比值,其计算公式为:
式中,WR
机组高价中标率定义为机组报高价且中标电量占报高价的有效申报电量的比例。高价中标率指标通过发电商成交情况与申报情况的比较反映发电商的竞标策略与自身实力的配合情况,用于评价发电商策略的成功率与所具有的市场力。其计算公式为:
式中,
基于随机森林的指标筛选模型计算指标在随机森林中的每颗树上做了多大的贡献,取平均值,比较各个指标之间的贡献大小,最终获得指标重要性评分,根据指标的重要性评分排序筛选指标。
将指标重要性评分用VIM来表示,Gini指数用GI来表示,假设有m个指标X
指标X
其中,GI
指标X
假设RF中共有n颗树,那么
最后,把所有求得的重要性评分做归一化处理即可得到该指标的重要性评分。将所有指标的根据重要性进行排序,选取排序在前五的指标,作为滥用市场力判别指标集合。
S3、滥用市场力判别步骤:基于孤立森林算法建立针对发电机组滥用市场力风险的判别模型,对参与市场的发电机组滥用市场力进行判别,获得滥用市场力潜在风险机组集合。具体包括以下流程:
S31、利用步骤S1中采集的大量电力交易数据作为训练数据集,基于滥用市场力判别指标集合对电力交易数据进行预处理,得到每台机组在各个指标维度的计算结果,把每台机组的所有指标结果组成一个向量,然后根据构建iTree步骤进行训练,构建由iTree组成的孤立森林;
构建iTree的具体步骤如下:
1)首先对电力交易数据训练样本集X={x
2)随机从滥用市场力判别指标集合D={d,d
3)以切割点o生成一个切割面,对数据样本进行划分:把在该维度上小于o的样本点归入当前节点的左分支,把大于或等于o的样本点归入当前节点的右分支。
4)依据各个指标维度递归步骤2)和3),不断切割数据空间。直到满足以下条件:
(a)所有的子节点中只有一个样本点,无法再继续切割;
(b)iTree的高度达到限定高度
S32、将每台机组遍历每一棵iTree,计算其在孤立森林中的平均高度,得出每台机组的异常分值,根据异常分值判断该机组是否属于异常机组,完成对滥用市场力发电机组的判别;具体地:
对于一个机组,在评估过程中需要遍历iForest中所有的iTree,查询其在每个iTree的节点位置,计算机组在iForest中的平均深度,并对所有样本点在iForest的平均深度进行归一化。每台机组在iTree上所处的深度为该机组从iTree的根节点开始,穿过iTree中间节点,沿各个分支往下走,直至到达叶子节点,在此过程中经过的路径长度,用h(i)表示。计算每台机组的平均深度,得到一个0到1的数值,这个数值就是该机组的异常分值。
机组i的异常分值的计算公式如下:
式中,s(i,n)为机组i的异常分值,E[h(i)]为样本机组i在所有iTree中的具有的平均深度的期望。c(n)用于归一化样本的平均深度h(i)。其中,H(k)为调和级数,可由公式H(k)=ln(k)+ξ确定,ξ为欧拉常数,值为0.5772156649。
当异常分值s(i,n)越接近1,表示机组滥用市场力的可能性越大,越接近0表示机组滥用市场力的可能性越小,如果大部分样本的s(i,n)都接近于0.5,说明整个电力市场都没有明显滥用市场力的异常机组。
基于前提假设,对于大规模数据集,在电力市场中滥用市场力的发电机组因为在多个指标维度与其他大部分机组有较大区别,通常会较早被分离出来,因此其在二叉搜索树中的平均路径长度较短,归一化后得到的异常分值较高,即滥用市场力的可能性较大,根据电力市场总体情况对异常分值设定阈值,该阈值可由专家设定;大于该阈值的即为滥用市场力的异常机组,小于该阈值即为正常机组,获得滥用市场力潜在风险机组集合,从而实现对滥用市场力发电机组的判别。
S4、滥用市场力分析步骤:利用专家系统对风险形成的机理进行逻辑推演,并进行证据采集,对滥用市场力潜在风险机组进行跟踪分析。
专家系统的风险分析模型由数据采集模块、专家知识库及推理机组成,其中:数据采集模块从步骤S1中电力市场运营数据支持系统采集信息;证据采集的内容为以下推理规则中涉及到的内容,作用是对S3中获得的潜在风险机组进一步跟踪分析。专家知识库包含基于外在表现的正向推理规则、基于内在机理的反向推理规则、基于风险判别的推理规则和基于历史信用的推理规则;推理机根据专家知识库中的各推理规则对发电机组的行为进行分析,当某发电机组的推理值超过专家系统设定的风险阈值时,则认为该发电机组极有可能动用市场力扰乱了市场,最终判定为滥用市场力风险机组。
基于外在表现的正向推理规则包括:
市场主体的平均报价高于阈值a*(a*由专家确定),则该发电机组可能滥用了市场力;
市场主体的中标率高于阈值b*(b*由专家确定),则该发电机组可能滥用了市场力;
市场主体的高价中标率高于阈值c*(c*由专家确定),则该发电机组可能滥用了市场力;
市场主体所在发电厂市场份额高于阈值d*(d*由专家确定),则该发电机组可能滥用了市场力;
基于内在机理的反向推理规则包括:
市场主体所在市场的市场集中度高于阈值e*(e*由专家确定),则该发电机组可能滥用了市场力;
实际控制异常市场主体的集团个数低于阈值f*(f*由专家确定),则该发电机组可能滥用了市场力;。
基于风险判别分析的推理规则包括:
市场主体在孤立森林算法结果中异常分值高于阈值g*(g*由专家确定),则该电机组可能滥用了市场力。
基于历史信用分析的推理规则包括:
市场主体曾经有市场注册失信合同、履约失信、市场交易失信及信息披露失信等行为的次数高于阈值h*(h*由专家确定),则该电机组可能滥用了市场力。
推理机根据专家知识库中的各推理规则对发电机组的行为进行分析,当某发电机组的推理值超过专家系统设定的风险阈值时,则认为该发电机组极有可能动用市场力扰乱了市场,最终判定为滥用市场力风险机组。
S5、数据闭环管理步骤:对判定为滥用市场力对机组给出处置建议,并作为异常标签样本输入数据系统,实现数据的闭环管理。
数据闭环管理步骤综合考虑步骤S2至S4对市场力风险的监测、判别、跟踪的结果,对不同程度的市场力风险进行相应级别的预警和制定不同预警级别下的应对机制,给出风险处置建议,并将滥用市场力风险机组作为异常样本输入步骤S1的数据库,增加后续步骤筛选特征的准确性,实现滥用市场力风险判别模型的闭环管理。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
- 一种发电机组市场力滥用判别方法
- 一种基于改进支持向量机的发电企业滥用市场力违规识别方法