CN110148006B - 一种电力市场恶意竞价行为识别方法 - Google Patents
一种电力市场恶意竞价行为识别方法 Download PDFInfo
- Publication number
- CN110148006B CN110148006B CN201910419673.3A CN201910419673A CN110148006B CN 110148006 B CN110148006 B CN 110148006B CN 201910419673 A CN201910419673 A CN 201910419673A CN 110148006 B CN110148006 B CN 110148006B
- Authority
- CN
- China
- Prior art keywords
- quotation
- electric power
- market
- electricity price
- historical
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000005611 electricity Effects 0.000 claims abstract description 38
- 230000006399 behavior Effects 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 230000036541 health Effects 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000010248 power generation Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
技术领域
本发明属于电力市场竞价识别技术领域,尤其涉及一种电力市场恶意竞价行为识别方法。
背景技术
在电力市场环境下,开展策略性竞价是市场参与者的重要决策行为之一,各市场参与者向电力交易中心策略报价以达到自身价值最大化的目的。在电力撮合交易中,科学合理的竞价行为是提高市场活力,优化资源配置的重要手段。通常情况下,发电企业(出让方)会根据自身历史发电成本,综合考虑电力供需形势及盈利目标,确定自身的申报电价;用电企业(受让方)会根据自身历史用电成本,综合考虑电力供需形势及节能目标,确定自身的申报电价。然而,在电力集中交易市场中,由于市场存在的信息不对称性,部分市场主体借助自身市场控制力,恶意申报明显高于或低于成本的市场报价以攫取非法利益,严重扰乱了市场经济行为,相应带来了更高的交易违约率,不利于电力市场的建设和发展。因此,迫切需要一种识别电力市场参与主体恶意报价行为的方法,在申报阶段能够根据申报电价,及时识别出异常报价行为并发出预警,这是提高市场健康度,优化电力市场机制设计的一种重要手段。
发明内容
本发明的目的在于克服现有技术的不足,提供一种在申报阶段能够根据申报电价,及时识别出异常报价行为并发出预警,提高市场健康度,优化电力市场运行机制的电力市场恶意竞价行为识别方法。
本发明解决其技术问题是采取以下技术方案实现的:
一种电力市场恶意竞价行为识别方法,包括如下步骤:
S1、采集电力交易中心各市场参与主体申报电量、申报电价数据及历史出清价格,写入数据库;采集电力交易中心各市场参与主体本次申报电价数据,作为分析识别对象;
其中:k为置信因子,k的取值取决于市场容忍程度,k越大,市场容忍度越高;
S4、根据置信概率区间,判断各参与主体申报电价的合理性,筛选出所有可能恶意报价的参与主体,判断依据如下:
S5、根据步骤S4筛选的可能恶意报价参与主体,计算其本次报价与历史报价均值的偏离幅度,并与交易中心设定的判断阈值α进行对比,确定恶意报价主体;偏离幅度计算方法如下:
当θi≤α时,认为参与主体i报价策略保持稳定,属于正常的报价行为;
当θi>α时,认为参与主体i本次报价明显偏离历史报价规律,有恶意报价的嫌疑。
进一步的,所述电力交易中心设定的判断阈值α可根据电力市场历史申报电价均值与出清电价均值的偏差确定,确定判断阈值α的计算公式如下:
需要说明的是,所述参与主体可以为出让方,也可以为受让方;通常情况下,出让方是指发电企业,受让方是指用电企业。
本发明的优点和积极效果是:
本发明在申报阶段能够根据申报电价,及时识别出异常报价行为并发出预警,既适用于识别电力市场主体中出让方恶意报价的行为,也适用于受让方恶意报价的行为,提高了市场健康度,优化了电力市场运行机制。
附图说明
以下将结合附图和实施例来对本发明的技术方案作进一步的详细描述,但是应当知道,这些附图仅是为解释目的而设计的,因此不作为本发明范围的限定。此外,除非特别指出,这些附图仅意在概念性地说明此处描述的结构构造,而不必要依比例进行绘制。
图1为本发明实施例提供的电力市场恶意竞价行为识别方法的步骤流程图;
具体实施方式
首先,需要说明的是,以下将以示例方式来具体说明本发明的具体结构、特点和优点等,然而所有的描述仅是用来进行说明的,而不应将其理解为对本发明形成任何限制。此外,在本文所提及各实施例中予以描述或隐含的任意单个技术特征,仍然可在这些技术特征(或其等同物)之间继续进行任意组合或删减,从而获得可能未在本文中直接提及的本发明的更多其他实施例。需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
下面就结合图1来具体说明本发明。
实施例1
本实施例以出让方作为市场参与主体来进行说明;
图1为本发明实施例提供的电力市场恶意竞价行为识别方法的步骤流程图;
本实施例以某省级电力交易中心3月份电力市场交易数据为研究对象,分析相关参与主体市场竞价行为。本次电力市场交易共计有56家出让方参加,申报总电量为32961万kWh。部分申报数据如下表1所示。
表1某省级电力交易中心3月份电力市场交易部分数据
通过公式(1)、(2)分别计算56家出让方的所有报价数据的平均值P与标准差σ:
其中:k为置信因子,k的取值取决于市场容忍程度,k越大,市场容忍度越高,在此实施例中,k取值为2,此时,置信概率为0.9545,意味着有95.45%的概率水平下认为样本在报价合理区间内,这是较为常用的置信概率水平;
根据公式(1)和(2)求得σ,确定合理的报价区间为(268.1元/MWh,457.27元/MWh),此时筛选出,出让方4与出让方8的报价偏离合理报价区间,可能恶意报低价;
根据筛选的可能恶意报价出让方,计算其本次报价与历史报价均值的偏离幅度,并与交易中心设定的判断阈值α进行对比,确定恶意报价主体;偏离幅度计算方法如下:
所述电力交易中心设定的判断阈值α可根据电力市场历史申报电价均值与出清电价均值的偏差确定,确定判断阈值α的计算公式如下:
出让方4的历史报价均值为211.6元/MWh,本次报价为212.2元/MWh,则偏离幅度为(212.2-211.6)/211.6=0.6/211.6=0.28%,低于判断阈值10%,则认为出让方4的报价策略保持稳定,属于正常的报价行为。此时交易人员则可以从该出让方发电形式、发电平均成本等角度开展分析工作,例如,该出让方为水电企业,发电成本低于150元/MWh,企业报价是基于实际成本+合理收益率的角度开展的。
出让方8的历史报价均值为322.7元/MWh,本次报价为209.3元/MWh,则偏离幅度为(209.3-322.7)/322.7=-35%,35%高于判断阈值10%,显著偏离以往报价行为,则认定该企业有恶意报价的嫌疑,及时发出预警信息,为交易人员提供决策依据。
以上实施例对本发明进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (3)
1.一种电力市场恶意竞价行为识别方法,其特征在于:包括如下步骤:
S1、采集电力交易中心各市场参与主体申报电量、申报电价数据及历史出清价格,写入数据库;采集电力交易中心各市场参与主体本次申报电价数据,作为分析识别对象;
其中:k为置信因子,k的取值取决于市场容忍程度,k越大,市场容忍度越高;
S4、根据置信概率区间,判断各参与主体申报电价的合理性,筛选出所有可能恶意报价的参与主体,判断依据如下:
S5、根据步骤S4筛选的可能恶意报价参与主体,计算其本次报价与历史报价均值的偏离幅度,并与交易中心设定的判断阈值α进行对比,确定恶意报价主体;偏离幅度计算方法如下:
当θi≤α时,认为参与主体i报价策略保持稳定,属于正常的报价行为;
当θi>α时,认为参与主体i本次报价明显偏离历史报价规律,有恶意报价的嫌疑。
3.根据权利要求1或2任一项所述的一种电力市场恶意竞价行为识别方法,其特征在于:所述参与主体为出让方或受让方中的一类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910419673.3A CN110148006B (zh) | 2019-05-20 | 2019-05-20 | 一种电力市场恶意竞价行为识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910419673.3A CN110148006B (zh) | 2019-05-20 | 2019-05-20 | 一种电力市场恶意竞价行为识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110148006A CN110148006A (zh) | 2019-08-20 |
CN110148006B true CN110148006B (zh) | 2023-05-12 |
Family
ID=67592234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910419673.3A Active CN110148006B (zh) | 2019-05-20 | 2019-05-20 | 一种电力市场恶意竞价行为识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110148006B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582937B (zh) * | 2020-05-08 | 2023-08-08 | 中国南方电网有限责任公司 | 一种节点电价偏离度准确率的计算方法、装置及存储介质 |
CN111951121B (zh) * | 2020-07-20 | 2021-05-11 | 广东电力交易中心有限责任公司 | 电力现货市场报价模式分类方法及存储介质 |
CN112072636B (zh) * | 2020-07-24 | 2023-09-29 | 国网天津市电力公司电力科学研究院 | 基于源网荷不确定因素的电力现货市场运营方法 |
CN112258246B (zh) * | 2020-11-12 | 2024-01-05 | 北京筑龙信息技术有限责任公司 | 物料的异常报价识别方法、装置、电子设备及存储介质 |
CN112488389A (zh) * | 2020-11-30 | 2021-03-12 | 国网浙江省电力有限公司电力科学研究院 | 一种现货市场出清申报参数自动校核及修正方法和系统 |
CN113344589B (zh) * | 2021-05-12 | 2022-10-21 | 兰州理工大学 | 一种基于vaegmm模型的发电企业串谋行为的智能识别方法 |
CN113191854A (zh) * | 2021-05-26 | 2021-07-30 | 广东电网有限责任公司 | 一种电力市场现货交易方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254274A (zh) * | 2011-06-17 | 2011-11-23 | 龚政 | 基于web2.0模式的网络定价方法 |
CN106156882A (zh) * | 2016-06-07 | 2016-11-23 | 国家电网公司 | 一种用于电力市场仿真平台的发电厂报价模拟方法 |
CN107845022A (zh) * | 2017-11-02 | 2018-03-27 | 北京恒泰能联科技发展有限公司 | 电力市场辅助决策系统 |
CN108346008A (zh) * | 2018-03-17 | 2018-07-31 | 国网陕西省电力公司电力科学研究院 | 一种电力市场大用户直接交易的算法模型和管控方法 |
CN108564456A (zh) * | 2018-02-28 | 2018-09-21 | 中国电力科学研究院有限公司 | 一种电力市场交易竞价数据的自动化交互方法及系统 |
CN109523310A (zh) * | 2018-10-29 | 2019-03-26 | 杭州中恒云能源互联网技术有限公司 | 一种基于自适应滤波的电力市场报价预测方法 |
-
2019
- 2019-05-20 CN CN201910419673.3A patent/CN110148006B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254274A (zh) * | 2011-06-17 | 2011-11-23 | 龚政 | 基于web2.0模式的网络定价方法 |
CN106156882A (zh) * | 2016-06-07 | 2016-11-23 | 国家电网公司 | 一种用于电力市场仿真平台的发电厂报价模拟方法 |
CN107845022A (zh) * | 2017-11-02 | 2018-03-27 | 北京恒泰能联科技发展有限公司 | 电力市场辅助决策系统 |
CN108564456A (zh) * | 2018-02-28 | 2018-09-21 | 中国电力科学研究院有限公司 | 一种电力市场交易竞价数据的自动化交互方法及系统 |
CN108346008A (zh) * | 2018-03-17 | 2018-07-31 | 国网陕西省电力公司电力科学研究院 | 一种电力市场大用户直接交易的算法模型和管控方法 |
CN109523310A (zh) * | 2018-10-29 | 2019-03-26 | 杭州中恒云能源互联网技术有限公司 | 一种基于自适应滤波的电力市场报价预测方法 |
Non-Patent Citations (1)
Title |
---|
陈建华等."电力市场下的发电企业报价行为分析".《企业经济》.2004,(第第6期期), * |
Also Published As
Publication number | Publication date |
---|---|
CN110148006A (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148006B (zh) | 一种电力市场恶意竞价行为识别方法 | |
Chen et al. | Effects of R&D intensity on firm performance in Taiwan’s semiconductor industry | |
Dang et al. | Herd mentality in the stock market: On the role of idiosyncratic participants with heterogeneous information | |
Bubna et al. | Venture capital communities | |
Lai | Energy use and maintenance costs of upmarket hotels | |
CN109636146A (zh) | 一种用户需求响应潜力画像方法 | |
CN111028004A (zh) | 一种基于大数据技术的市场评估分析方法 | |
Jensen | Who gets Wall Street’s attention? How alliance announcements and alliance density affect analyst coverage | |
CN111667090A (zh) | 一种基于深度置信网络与权值共享的负荷预测方法 | |
Eichler et al. | Models for short-term forecasting of spike occurrences in Australian electricity markets: a comparative study | |
Hwang et al. | On multiple‐class prediction of issuer credit ratings | |
Wang et al. | Multiple performance criteria for government-controlled firms | |
CN110310035A (zh) | 主动配电网综合评价方法、装置及存储介质 | |
Shao et al. | Zombie enterprises, crowding out effect, and total factor productivity: Empirical evidence from Chinese manufacturing listed companies | |
CN113077146A (zh) | 一种耦合多要素的项目履约综合评价方法 | |
Claveria et al. | Regional tourism demand forecasting with machine learning models: Gaussian process regression vs. neural network models in a multiple-input multiple-output setting | |
CN110837980A (zh) | 企业信用评级方法、装置、设备及存储介质 | |
Müller et al. | Tax knowledge diffusion via strategic alliances | |
CN115796341A (zh) | 一种基于碳效码的企业低碳经济表现的协同测度方法 | |
CN108492167B (zh) | 一种基于大数据的税务收入管理平台 | |
Allahaim et al. | Developing a risk-based cost contingency estimation model based on the influence of cost overrun causes | |
Law | Career imprinting: The influence of coworkers in early career | |
Sinha et al. | Government Policies and Inflows of Foreign Direct Investment in Developing Asia: A Dynamic Panel Study | |
US20050261998A1 (en) | Computerized system and method for valuating employee stock options | |
Atalay et al. | Housing Wealth and Fertility: Australian Evidence |
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 |