CN111028004A - 一种基于大数据技术的市场评估分析方法 - Google Patents
一种基于大数据技术的市场评估分析方法 Download PDFInfo
- Publication number
- CN111028004A CN111028004A CN201911188485.0A CN201911188485A CN111028004A CN 111028004 A CN111028004 A CN 111028004A CN 201911188485 A CN201911188485 A CN 201911188485A CN 111028004 A CN111028004 A CN 111028004A
- Authority
- CN
- China
- Prior art keywords
- market
- analysis
- index
- data
- evaluation
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 97
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000008901 benefit Effects 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000003062 neural network model Methods 0.000 claims abstract description 7
- 238000007621 cluster analysis Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000010248 power generation Methods 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 7
- 230000007774 longterm Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 34
- 230000004044 response Effects 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 7
- 230000000903 blocking effect Effects 0.000 description 5
- 239000000446 fuel Substances 0.000 description 5
- 239000003245 coal Substances 0.000 description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000004936 stimulating effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000006735 deficit Effects 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
- 238000013439 planning Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
Abstract
本发明一种基于大数据技术的电力市场评估分析方法，属于电力市场运营技术领域，包括步骤一获取数据、步骤二数据筛选和清除、步骤三数据归类整理、步骤四聚类分析、步骤五指标分析、步骤六判断、步骤七获得数据样本、步骤八训练样本获得、步骤九选择人工神经网络结构及训练方法、步骤十确定神经网络模型、步骤十一市场指标评估结果获得；通过本发明的设计，根据市场运营、电网运行、市场注册、市场结算、市场成员行为记录等数据，利用聚类算法获得市场结构、市场安全、市场运营、市场效益、调度运行等多方面市场评估指标，建立一套科学、客观、全面的电力市场指标评价体系来评价当前市场模式运行状态、潜在运营风险及未来市场发展趋势。
Description
技术领域
本发明属于电力市场运营技术领域，具体涉及基于大数据技术的市场评估分析方法。
背景技术
电力市场运营机构和电网运行机构需要评估市场中各种要素之间的内在联系及其特征，电力市场环境下电力系统是否能够安全稳定运行，电力市场运营状况，市场所产生的经济效益、社会效益以及市场成员对调度指令的响应情况。电力市场运营机构还需要按日、月、季、年等时间间隔，定期将部分市场运营和部分电网运行的结果予以公布。根据市场运营、电网运行、市场注册、市场结算、市场成员行为记录等数据，获得市场结构、市场安全、市场运营、市场效益、调度运行等多方面市场评估指标，进而建立一套科学、客观、全面的电力市场指标评价体系来评价当前市场模式运行状态、潜在运营风险及未来市场发展趋势。
市场评估分析主要从市场结构、市场安全、市场运营、市场效益、调度运行5个方面进行。市场结构方面主要通过市场参与者的构成情况来反映市场可能被垄断的程度，反映市场中各种要素之间的内在联系及其特征；市场安全方面主要是评估电力市场环境下电力系统是否能够安全稳定运行；市场运营方面主要是对电力市场的运营状况进行评估，分析市场势力状况、市场竞争性、电价情况和信息发布等方面的问题，使参与者能比较全面地掌握电力市场运营状况；市场效益方面主要是评估分析市场所产生的经济效益、社会效益；调度运行方面主要是评估分析市场成员对调度指令的响应情况，全面反映市场秩序、市场管理水平以及市场成员的履约能力和诚信状况，并进一步反映市场定价机制和激励机制的有效性。
目前国内对于在市场评估方面做了一些理论，如文献“基于灰色关联度和模糊综合评价法的我国电力市场交易评价体系研究”提出了基于灰色关联度和模糊综合的评估方法，重点阐述借助灰色关联度与模糊综合评价法进行电力市场交易情况量化评价的实现过程。但缺乏一套科学、客观、全面的电力市场指标评价体系来评价当前市场模式运行状态、潜在运营风险及未来市场发展趋势。
因此现有技术当中亟需要一种新型的技术方案来解决这一问题。
发明内容
本发明所要解决的技术问题是：本发明的目的是提供一种科学、客观、全面的电力市场指标评价体系来评价当前市场模式运行状态、潜在运营风险及未来市场发展趋势。
一种基于大数据技术的电力市场评估分析方法，其特征是：具体步骤如下，且以下内容顺次进行
步骤一：从电力市场技术支持系统和电网调度系统、用电信息采集系统、电能量计量系统、财务系统等相关联系统获取市场运营、电网运行、市场注册、市场结算、市场成员行为记录等数据；
步骤二：根据现有的电网运行规律和市场行为规律将步骤一中获得数据中重复、多余的数据筛选清除，将缺失的数据补充完整,将错误的数据纠正或者删除；
步骤三：根据市场评估指标和所采取的基于聚类分析的大数据分析方法对步骤二处理后的数据进行初步归类和整理；
步骤四：选择谱系数、k-means等聚类算法、确定相应的参数进行聚类分析，其中在市场运营层面，采用谱系数等聚类算法对市场运营数据进行分类；其中在电网运行层面，利用电网运行数据进行聚类分析，会因高维输入导致的聚类困难，对电网运行数据矩阵进行先降维，再进行聚类处理；获得的采用无监督极限学习机或者稀疏自编码器等无监督学习方法自动进行特征提取；由于是无监督学习方法，因此提取得到的特征是机器自动学习获得，进而采用k-means 等聚类算法进行聚类，通过本步骤的处理获得利用聚类算法获得市场结构分析、市场安全分析、市场运营分析、市场效益分析、调度运行分析的电力市场评估指标；
步骤五：根据步骤四中电网模型和原始数据对聚类得到的结果进行指标合理性分析；
步骤六：步骤五的分析中，如果有离散的或超出一般范围的不合理的非典型指标结果，则需要重复步骤二和步骤三继续对原始数据进行清洗；如果无非典型指标结果，则获得市场评估分析指标结果；
步骤七：通过步骤一到步骤六的处理，获取某一确定区域某一典型时段电力市场评估指标数据样本；
步骤八：基于步骤七中某一确定区域某一典型时段的市场评估指标结果，通过常规的数据统计和专家打分等人工干预分析方法获得该区域典型时段电力市场指标评价，将该区域典型时段的市场评估指标结果作为一组训练样本；
步骤九：对市场运营和电网运行的海量历史数据重复步骤一到步骤八的过程，则可以获得大量的训练样本，选择人工神经网络结构及训练方法，对样本进行训练；
步骤十：通过判断输出值变化情况判断步骤九中的神经网络是否收敛，如果不收敛则需要调整步骤四参数，同时增加步骤一输入样本数据，若收敛则保存神经网络模型；
步骤十一：将一般区域一定时段市场评估指标作为神经网络的输入，即可通过步骤十保存的神经网络模型获取相应的市场指标评估结果。
步骤四中的利用聚类算法获得的市场结构评估分析包括市场集中度(HHI)、 Top-m、供应剩余率(RSI)、市场竞争空间等指标分析。
步骤四中的市场安全性评估分析，包括短期安全性指标分析、长期性安全性指标分析、发电容量充裕度分析、输电容量充裕度分析等。
步骤四中的市场运营评估分析，包括市场申报参量指标分析、供需指标分析和成交指标分析等。
步骤四中的市场效益评估分析，包括现电价类指标分析、节能减排指标分析、容量利用率指标分析等。
步骤四中的调度运行指标分析，包括预测准确率、计划执行情况、机组调节性能指标、启停履约率等指标分析。
通过上述设计方案，本发明可以带来如下有益效果：根据市场运营、电网运行、市场注册、市场结算、市场成员行为记录等数据，利用聚类算法获得市场结构、市场安全、市场运营、市场效益、调度运行等多方面市场评估指标，建立一套科学、客观、全面的电力市场指标评价体系来评价当前市场模式运行状态、潜在运营风险及未来市场发展趋势。
附图说明
以下结合附图和具体实施方式对本发明作进一步的说明：
图1为本发明的步骤流程图。
具体实施方式
结合附图说明，对本发明进行进一步说明：
一种基于大数据技术的电力市场评估分析方法，其特征是：具体步骤如下，且以下内容顺次进行
步骤一：从电力市场技术支持系统和电网调度系统、用电信息采集系统、电能量计量系统、财务系统等相关联系统获取市场运营、电网运行、市场注册、市场结算、市场成员行为记录等数据；
步骤二：根据现有的电网运行规律和市场行为规律将步骤一中获得数据中重复、多余的数据筛选清除，将缺失的数据补充完整,将错误的数据纠正或者删除；
步骤三：根据市场评估指标和所采取的基于聚类分析的大数据分析方法对步骤二处理后的数据进行初步归类和整理；
步骤四：选择谱系数、k-means等聚类算法、确定相应的参数进行聚类分析，其中在市场运营层面，采用谱系数等聚类算法对市场运营数据进行分类；其中在电网运行层面，利用电网运行数据进行聚类分析，会因高维输入导致的聚类困难，对电网运行数据矩阵进行先降维，再进行聚类处理；获得的采用无监督极限学习机或者稀疏自编码器等无监督学习方法自动进行特征提取；由于是无监督学习方法，因此提取得到的特征是机器自动学习获得，进而采用k-means 等聚类算法进行聚类，通过本步骤的处理获得利用聚类算法获得市场结构分析、市场安全分析、市场运营分析、市场效益分析、调度运行分析的电力市场评估指标；
步骤五：根据步骤四中电网模型和原始数据对聚类得到的结果进行指标合理性分析；
步骤六：步骤五的分析中，如果有离散的或超出一般范围的不合理的非典型指标结果，则需要重复步骤二和步骤三继续对原始数据进行清洗；如果无非典型指标结果，则获得市场评估分析指标结果；
步骤七：通过步骤一到步骤六的处理，获取某一确定区域某一典型时段电力市场评估指标数据样本；
步骤八：基于步骤七中某一确定区域某一典型时段的市场评估指标结果，通过常规的数据统计和专家打分等人工干预分析方法获得该区域典型时段电力市场指标评价，将该区域典型时段的市场评估指标结果作为一组训练样本；
步骤九：对市场运营和电网运行的海量历史数据重复步骤一到步骤八的过程，则可以获得大量的训练样本，选择人工神经网络结构及训练方法，对样本进行训练；
步骤十：通过判断输出值变化情况判断步骤九中的神经网络是否收敛，如果不收敛则需要调整步骤四参数，同时增加步骤一输入样本数据，若收敛则保存神经网络模型；
步骤十一：将一般区域一定时段市场评估指标作为神经网络的输入，即可通过步骤十保存的神经网络模型获取相应的市场指标评估结果。
步骤四中的利用聚类算法获得的市场结构评估分析包括市场集中度(HHI)、 Top-m、供应剩余率(RSI)、市场竞争空间等指标分析。
步骤四中的市场安全性评估分析，包括短期安全性指标分析、长期性安全性指标分析、发电容量充裕度分析、输电容量充裕度分析等。
步骤四中的市场运营评估分析，包括市场申报参量指标分析、供需指标分析和成交指标分析等。
步骤四中的市场效益评估分析，包括现电价类指标分析、节能减排指标分析、容量利用率指标分析等。
步骤四中的调度运行指标分析，包括预测准确率、计划执行情况、机组调节性能指标、启停履约率等指标分析。
第一方面，本发明提供了一种市场评估指标的获取方法，随着自动化和信息系统的不断进步，交易、调度、营销、财务等电力市场相关业务部门均具有相应的技术支持系统，市场运营、电网运行等数据的类型更加多样，数据量巨大，传统聚类方法可能会受输入数据维度过高的影响而效果不佳。为此，拟通过基于层次的聚类方法在市场运营层面以及电网运行层面实现市场评估指标的聚类分析，并获得市场结构、市场安全、市场运营、市场效益、调度运行等多方面市场评估指标。
在市场运营层面，设计合适的市场评估特性指标对进行市场运营数据分类，采用谱系数等聚类算法对市场运营指标进行分类。
在电网运行层面，利用海量的电网运行数据进行聚类分析，会因高维输入导致的聚类困难，对电网运行数据矩阵进行先降维，再聚类。首先采用无监督极限学习机或者稀疏自编码器等无监督学习方法自动进行特征提取。由于是无监督学习方法，因此提取得到的特征是机器自动学习获得，进而采用k-means 等聚类算法进行聚类。
市场评估指标包括市场结构类评估指标、市场安全类评估指标、市场运营类评估指标、市场效益类评估指标、调度运行类评估指标。
1)市场结构类评估指标主要是通过市场参与者的构成情况来反映市场可能被垄断的程度，反映了市场中各种要素之间的内在联系及其特征。主要包括：
(1)HHI指标分析，分析市场竞争充分性和市场力大小；HHI指各发电公司(或购电公司)所占的市场份额(％)的平方和。市场成员越少、市场资源分配越集中，则HHI越大，表明市场集中度越高，行使市场势力的可能性就越大；HHI值越小，市场竞争性越好。完全垄断市场的HHI为10000，一般情况下，HHI<1800的市场可被视为竞争较充分。
(2)Top-m指标分析，评估分析市场集中度，Top-m指市场中最大的m个发电公司(或购电公司)所占的市场份额。一般常用4-firm指标，即取m＝4， TOP-4指标大于65％表明市场具有寡头垄断特征。该指标越大，表明市场集中程度越高；
(3)RSI(供应剩余率)指标，评估发电企业对市场价格控制能力强弱，剩余供应率指标指某一时段内除了某一供应者外，其他供应者的市场份额之和。当某一供应者的剩余供应率指标小于100％时，表明缺少了该供应者市场需求将无法被满足，它对市场价格具有较强的控制力。市场供应者的剩余供应率指标越小，其控制市场价格的能力就越强。
(4)市场开放程度评估分析，通过市场交易电量比例、市场参与度、发电投资平均成本来评估市场开放程度及发电企业进入市场难度。市场交易电量比例指用户(或发电公司)在市场中交易的电量占全部用电量(或发电量)的百分比。该百分比值越大，市场开放程度越大；市场参与度指具有参与市场交易资格的用户(或发电公司)所拥有的容量占全部用户(或发电公司)容量的百分比。该百分比值越大，市场开放程度越大；发电投资平均成本用来评估进入市场的难易程度。发电投资平均进入成本越低，进入市场的门槛也就越低。
2)市场安全性评估指标主要是评估电力市场环境下电力系统是否能够安全稳定运行，主要包括：
(1)市场短期安全性指标分析，包括市场可用容量、保证可靠性必须运行机组容量、尖峰电价出现的频率、阻塞成本等分析。市场可用容量指市场中可以用来满足负荷需求的总供电容量，该指标越大，市场供给安全性越高；保证可靠性必须运行机组容量指为保证在特定情况(如峰荷)下系统的安全而指定必须运行机组的容量。在市场环境下，一般会制定相关政策来补偿这些机组，对保证可靠性必须运行机组的依赖程度越高，表明电网的可靠性就越低；尖峰电价出现的频率
式中：T是一定周期内的总时间段数；Tp是该周期内出现尖峰电价的时间段数，尖峰电价出现的频率越高，表明电力市场潜在的风险越大，供应安全性越低；阻塞成本指标在一定程度上反映了输电系统的安全性。当采用区域边际电价方式时，阻塞电价等于阻塞线路两端的价格差。阻塞成本越大，输电系统的安全性越低。
(2)市场长期安全性指标评估分析，包括燃料成本、需求侧响应负荷容量、系统剩余容量百分比等分析。燃料成本是火电厂发电成本的主要部分，能源价格的走势对电力市场的安全起着重要影响。燃料成本反映燃料价格的趋势，而燃料价格又可以从批发市场上的能源成本和电价反映出来；需求侧响应负荷容量指可以对价格变化做出调整的负荷大小。需求侧响应负荷容量越大，电力市场的长期安全性在一定程度上就越高。例如，PJM区域市场在2002年的需求侧响应负荷容量为2460MW，几乎等于峰荷用电需求的4％，这有效保证了PJM 电力市场在该夏天的供电安全。系统剩余容量百分比Pscp定义如下：
式中：Cbid为竞价机组可用容量之和；Lbid为竞价机组实际所带负荷。Pscp 反映了当时电力供求状况。如果Pscp很大，说明系统的剩余容量多，此时的电价往往偏低；反之，电价就会偏高；
(3)发电容量充裕度指标评估分析，包括备用容量水平、合同交易电量占总交易电量比例、容量成本和调峰调频等辅助服务成本等分析。备用容量水平等于系统可用容量与系统峰荷之差占系统峰荷的百分比，当前和预测的备用容量水平是衡量系统安全性的一个关键指标；电力合同交易被广泛认为是一种有效的维持发电容量充裕性、规避市场风险、激励发电厂商投资的方法。通过建立电力合同市场，可以为电力用户提供稳定的电力供应，能够为发电投资者带来长期稳定的负荷需求和收入，同时还能降低交易成本，提供中长期经济信号，反映电能的中长期供求关系，指导资源优化配置。这样，既能满足用户需求又能提高投资者的积极性，有利于电力市场的稳定发展和电力系统的安全运行；正确评估发电厂商的容量成本和辅助服务成本对确定其能否获得合理的补偿至关重要。该指标对发电容量充裕性具有重要影响。
(4)输电容量充裕度指标分析，包括可用输电能力、线路阻塞消减容量分析。可用输电能力用下式计算：
ATC＝TTC-TRM-CBM-ETC
式中：TTC表示线路的最大输送能力；TRM表示输电可靠性裕度；CBM表示容量效益裕度，即为了能够从其他互联系统中获得电力来满足可靠性需求而预留的输电容量裕度；ETC表示现有输电协议所占用的输电容量。线路阻塞消减容量分析用于评价电网传输能力的不充裕性，反映阻塞持续时间和阻塞严重程度的影响，表示某条线路在给定的时间段内由于容量不充裕而被削减的电量。可以用给定的时间段内“线路阻塞削减电量率”来比较不同线路之间的容量不充裕性。线路阻塞削减电量率＝线路阻塞削减电量/线路能够传输的最大电量。
(5)电力市场风险等级评估，将市场风险分为若干等级，帮助供电商和用户对潜在的能源短缺或设备问题导致的供电不足做出应急准备。一般而言，可以将市场风险分为若干风险等级，由调度交易机构预测和发布。其将市场风险分为如下8个等级：
输电紧急通知：指出现了威胁、妨碍或限制输电网输电能力和可靠性的事件。
限制维修运行：指由于系统可用容量水平低，对机组检修进行限制。
警告通知：用于提醒市场参与者，预测第2天可能出现电力供应不足，以做好防范措施。
严重警告通知：用于警示市场参与者，预测在以后的几个小时内，将会出现持续电力供应不足。严重警告通知发布后，调度可以动用市场外的备用电源。
一级紧急状态：当运行备用水平降低到7％以下时，启动一级紧急状态。调度尽量不削减负荷，而是尽量保持负荷平衡。此时采取的措施包括刺激用户侧的“灵活用电”政策以及启用自愿减负荷程序。
二级紧急状态：当运行备用水平降低到5％以下时，启用二级紧急状态。调度会采取中断用户供电负荷的程序。一般先削减商业和工业用户的用电负荷。 1h可能用电中断公告：当预计三级紧急状态可能发生时，提前1h向用户、公共安全机构、媒体、监管部门以及市场参与者发出公告。
三级紧急状态：当旋转备用水平降低到1.5％到3％时，启用三级紧急状态。 ISO可以通过强制停电的方式削减负荷。
3)市场运营评估分析
通过对电力市场的运营状况进行评估，分析市场势力状况、市场竞争性、电价情况和信息发布等方面的问题，使参与者能比较全面地掌握电力市场运营状况。主要包括：
(1)市场申报参量相关指标评估分析，通过研究购售电主体在市场中的申报参量，可以对市场势力状况和市场竞争程度进行分析。包括售电主体总申报电量，售电主体最高、最低和平均申报价格，购电主体总申报电量，购电主体最高、最低和平均申报价格，申报容量持留情况，缺席申报率，高价申报率，报价波动率，报价趋同率等。申报容量持留情况指各售电主体实际可用发电容量与申报容量之间的差值；高价申报率指申报价格高于价格上限95％的申报电量占全部申报电量的百分比；报价波动率表示本期平均申报价格与上一期平均申报价格的差值占上一期平均申报价格的百分比；报价趋同率即各主体本期申报价格与上一期申报价格的差值占上一期申报价格百分比的平均方差；
(2)市场供需类指标分析，通过供需比分析市场供应充足性；市场供需比 R＝QS/QD，其中：QD为预测的市场总需求；QS为总供给。当R→1％或小于1时，市场供不应求，发电公司具有垄断力，可以左右市场价格。因此，该指标值越小，市场越趋近于垄断市场；R越大，则市场供应相对越充分，竞争性越好。
(3)市场成交类指标分析，包括各交易品种的平均成交价格和成交电量、跨省跨区成交电量和价格、高价中标率等分析。高价中标率指以高于价格上限 95％的价格成交的电量占总成交电量的百分比。此处“高价”指接近价格上限的申报价格，高价中标率是一个综合指标，它反映发电公司既有意抬高申报价格，又能获得接近申报电量的情况。高价中标率越高，表明该供应者控制市场价格的能力越强，具有的市场势力就越大。
4)市场效益类评估指标用于评估分析市场所产生的经济效益、社会效益，主要包括：
(1)电价类指标分析，包括市场平均成交价格与标杆电价的比值、平均上网电价与电煤平均价格的比值、平均销售电价增长幅度与消费物价指数(CPI) 增长幅度的比值、平衡账户资金亏额与总成交电量的比值等分析；电价作为市场信号可以比较有效地反映市场供需和市场组成结构的动态变化。通过比较成交电价与标杆电价、上网电价和电煤平均价格以及电价增幅和CPI增幅之间的关系，可以有效地反映市场电价的波动和变化情况，对电价水平进行合理评估。
(2)节能减排指标分析，平均发电煤耗或平均供电煤耗、单位发电量的CO2 排放量、单位发电量的SO2排放量、单位发电量的氮氧化物排放量等分析；
(3)容量利用率分析，包括输电容量综合利用率、变电容量综合利用率分析。
5)调度运行评估指标用于评估分析市场成员对调度指令的响应情况，全面反映市场秩序、市场管理水平以及市场成员的履约能力和诚信状况，并进一步反映市场定价机制和激励机制的有效性，主要包括：
(1)机组计划指令和实际机组出力的偏差；
(2)机组计划指令的响应速度、精度，以及调整速率等响应指标；
(3)机组调频等辅助服务的综合响应评分指标、调整里程指标；
(4)机组启停履约准确率指标
第二方面，本发明提供了一种市场评估指标综合评价方法，根据市场结构、市场安全、市场运营、市场效益、调度运行等多方面市场评估指标建立一套科学、客观、全面的电力市场指标评价体系来评价当前市场模式运行状态、潜在运营风险及未来市场发展趋势。
基于某一确定区域某一典型时段的市场评估指标结果，通过常规的数据统计和专家打分等人工干预分析方法获得该区域典型时段电力市场指标评价，将该区域典型时段的市场评估指标结果作为1组训练样本。基于该市场运营和电网运行的海量历史数据，则可以获得大量的训练样本。选择合适的神经网络结构及训练方法，对样本进行训练。
最后，训练完成后，将一般区域一定时段市场评估指标作为神经网络的输入，即可自动获取相应的市场指标评价结果。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种基于大数据技术的电力市场评估分析方法，其特征是：具体步骤如下，且以下内容顺次进行
步骤一：从电力市场技术支持系统和电网调度系统、用电信息采集系统、电能量计量系统、财务系统等相关联系统获取市场运营、电网运行、市场注册、市场结算、市场成员行为记录等数据；
步骤二：根据现有的电网运行规律和市场行为规律将步骤一中获得数据中重复、多余的数据筛选清除，将缺失的数据补充完整,将错误的数据纠正或者删除；
步骤三：根据市场评估指标和所采取的基于聚类分析的大数据分析方法对步骤二处理后的数据进行初步归类和整理；
步骤四：选择谱系数、k-means等聚类算法、确定相应的参数进行聚类分析，其中在市场运营层面，采用谱系数等聚类算法对市场运营数据进行分类；其中在电网运行层面，利用电网运行数据进行聚类分析，会因高维输入导致的聚类困难，对电网运行数据矩阵进行先降维，再进行聚类处理；获得的采用无监督极限学习机或者稀疏自编码器等无监督学习方法自动进行特征提取；由于是无监督学习方法，因此提取得到的特征是机器自动学习获得，进而采用k-means等聚类算法进行聚类，通过本步骤的处理获得利用聚类算法获得市场结构分析、市场安全分析、市场运营分析、市场效益分析、调度运行分析的电力市场评估指标；
步骤五：根据步骤四中电网模型和原始数据对聚类得到的结果进行指标合理性分析；
步骤六：步骤五的分析中，如果有离散的或超出一般范围的不合理的非典型指标结果，则需要重复步骤二和步骤三继续对原始数据进行清洗；如果无非典型指标结果，则获得市场评估分析指标结果；
步骤七：通过步骤一到步骤六的处理，获取某一确定区域某一典型时段电力市场评估指标数据样本；
步骤八：基于步骤七中某一确定区域某一典型时段的市场评估指标结果，通过常规的数据统计和专家打分等人工干预分析方法获得该区域典型时段电力市场指标评价，将该区域典型时段的市场评估指标结果作为一组训练样本；
步骤九：对市场运营和电网运行的海量历史数据重复步骤一到步骤八的过程，则可以获得大量的训练样本，选择人工神经网络结构及训练方法，对样本进行训练；
步骤十：通过判断输出值变化情况判断步骤九中的神经网络是否收敛，如果不收敛则需要调整步骤四参数，同时增加步骤一输入样本数据，若收敛则保存神经网络模型；
步骤十一：将一般区域一定时段市场评估指标作为神经网络的输入，即可通过步骤十保存的神经网络模型获取相应的市场指标评估结果。
2.根据权利要求1所述的一种基于大数据技术的电力市场评估分析方法，其特征是：步骤四中的利用聚类算法获得的市场结构评估分析包括市场集中度(HHI)、Top-m、供应剩余率(RSI)、市场竞争空间等指标分析。
3.根据权利要求1所述的一种基于大数据技术的电力市场评估分析方法，其特征是：步骤四中的市场安全性评估分析，包括短期安全性指标分析、长期性安全性指标分析、发电容量充裕度分析、输电容量充裕度分析等。
4.根据权利要求1所述的一种基于大数据技术的电力市场评估分析方法，其特征是：步骤四中的市场运营评估分析，包括市场申报参量指标分析、供需指标分析和成交指标分析等。
5.根据权利要求1所述的一种基于大数据技术的电力市场评估分析方法，其特征是：步骤四中的市场效益评估分析，包括现电价类指标分析、节能减排指标分析、容量利用率指标分析等。
6.根据权利要求1所述的一种基于大数据技术的电力市场评估分析方法，其特征是：步骤四中的调度运行指标分析，包括预测准确率、计划执行情况、机组调节性能指标、启停履约率等指标分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911188485.0A CN111028004A (zh) | 2019-11-28 | 2019-11-28 | 一种基于大数据技术的市场评估分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911188485.0A CN111028004A (zh) | 2019-11-28 | 2019-11-28 | 一种基于大数据技术的市场评估分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111028004A true CN111028004A (zh) | 2020-04-17 |
Family
ID=70202912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911188485.0A Pending CN111028004A (zh) | 2019-11-28 | 2019-11-28 | 一种基于大数据技术的市场评估分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111028004A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797892A (zh) * | 2020-05-21 | 2020-10-20 | 国电南瑞科技股份有限公司 | 一种基于随机森林回归的电力市场发电商市场力监测方法 |
| CN113344589A (zh) * | 2021-05-12 | 2021-09-03 | 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 |
| CN114298586A (zh) * | 2021-12-30 | 2022-04-08 | 华润电力技术研究院有限公司 | 调频数据实时监测与分析方法、系统、装置及存储介质 |
| CN116503093A (zh) * | 2023-06-26 | 2023-07-28 | 北京法伯宏业科技发展有限公司 | 一种基于样本数据的市场数据分析方法及系统 |
| CN117196696A (zh) * | 2023-11-06 | 2023-12-08 | 南京南自华盾数字技术有限公司 | 一种基于市场供需关系和机组行为的电价预测方法 |
| CN117391743A (zh) * | 2023-10-18 | 2024-01-12 | 广州电力交易中心有限责任公司 | 一种市场整体运行建立效能评估方法 |
| CN117931503A (zh) * | 2024-03-25 | 2024-04-26 | 华能澜沧江水电股份有限公司 | 基于相似数据预查询的集控平台容错性分析系统 |
| CN118016240A (zh) * | 2024-04-09 | 2024-05-10 | 西安澎湃跃动电子科技有限公司 | 一种基于大数据的身体健康评估系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103646354A (zh) * | 2013-11-28 | 2014-03-19 | 国家电网公司 | 基于有效指标fcm和rbf神经网络的变电站负荷特性分类方法 |
| CN104820942A (zh) * | 2015-03-10 | 2015-08-05 | 国家电网公司 | 一种基于层次聚类的电力市场交易评价标准测算方法 |
| CN105741143A (zh) * | 2016-01-29 | 2016-07-06 | 中国科学技术大学 | 一种基于负荷特性及其聚类分析的电力商品定价模型建立方法 |
| CN106202335A (zh) * | 2016-06-28 | 2016-12-07 | 银江股份有限公司 | 一种基于云计算框架的交通大数据清洗方法 |
| CN107133652A (zh) * | 2017-05-17 | 2017-09-05 | 国网山东省电力公司烟台供电公司 | 基于K‑means聚类算法的用电客户价值评估方法及系统 |
| CN109190672A (zh) * | 2018-08-02 | 2019-01-11 | 清华大学 | 电力系统运行工况无监督聚类方法及装置 |
| CN109242314A (zh) * | 2018-09-12 | 2019-01-18 | 全球能源互联网研究院有限公司 | 一种配电网全景监测指标的评估方法及装置 |
| CN110263873A (zh) * | 2019-06-27 | 2019-09-20 | 华北电力大学 | 一种融合稀疏降噪自编码网络降维和聚类的配电网台区分类方法 |
-
2019
- 2019-11-28 CN CN201911188485.0A patent/CN111028004A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103646354A (zh) * | 2013-11-28 | 2014-03-19 | 国家电网公司 | 基于有效指标fcm和rbf神经网络的变电站负荷特性分类方法 |
| CN104820942A (zh) * | 2015-03-10 | 2015-08-05 | 国家电网公司 | 一种基于层次聚类的电力市场交易评价标准测算方法 |
| CN105741143A (zh) * | 2016-01-29 | 2016-07-06 | 中国科学技术大学 | 一种基于负荷特性及其聚类分析的电力商品定价模型建立方法 |
| CN106202335A (zh) * | 2016-06-28 | 2016-12-07 | 银江股份有限公司 | 一种基于云计算框架的交通大数据清洗方法 |
| CN107133652A (zh) * | 2017-05-17 | 2017-09-05 | 国网山东省电力公司烟台供电公司 | 基于K‑means聚类算法的用电客户价值评估方法及系统 |
| CN109190672A (zh) * | 2018-08-02 | 2019-01-11 | 清华大学 | 电力系统运行工况无监督聚类方法及装置 |
| CN109242314A (zh) * | 2018-09-12 | 2019-01-18 | 全球能源互联网研究院有限公司 | 一种配电网全景监测指标的评估方法及装置 |
| CN110263873A (zh) * | 2019-06-27 | 2019-09-20 | 华北电力大学 | 一种融合稀疏降噪自编码网络降维和聚类的配电网台区分类方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王钦: "电力市场评价指标体系的构建", 《电力技术经济》 * |
| 王钦: "电力市场评价指标体系的构建", 《电力技术经济》, vol. 20, no. 5, 20 October 2008 (2008-10-20), pages 21 - 26 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111797892A (zh) * | 2020-05-21 | 2020-10-20 | 国电南瑞科技股份有限公司 | 一种基于随机森林回归的电力市场发电商市场力监测方法 |
| CN111797892B (zh) * | 2020-05-21 | 2022-10-11 | 国电南瑞科技股份有限公司 | 一种基于随机森林回归的电力市场发电商市场力监测方法 |
| CN113344589A (zh) * | 2021-05-12 | 2021-09-03 | 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 |
| 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 |
| CN114298586A (zh) * | 2021-12-30 | 2022-04-08 | 华润电力技术研究院有限公司 | 调频数据实时监测与分析方法、系统、装置及存储介质 |
| CN116503093A (zh) * | 2023-06-26 | 2023-07-28 | 北京法伯宏业科技发展有限公司 | 一种基于样本数据的市场数据分析方法及系统 |
| CN117391743A (zh) * | 2023-10-18 | 2024-01-12 | 广州电力交易中心有限责任公司 | 一种市场整体运行建立效能评估方法 |
| CN117196696A (zh) * | 2023-11-06 | 2023-12-08 | 南京南自华盾数字技术有限公司 | 一种基于市场供需关系和机组行为的电价预测方法 |
| CN117196696B (zh) * | 2023-11-06 | 2024-01-19 | 南京南自华盾数字技术有限公司 | 一种基于市场供需关系和机组行为的电价预测方法 |
| CN117931503A (zh) * | 2024-03-25 | 2024-04-26 | 华能澜沧江水电股份有限公司 | 基于相似数据预查询的集控平台容错性分析系统 |
| CN118016240A (zh) * | 2024-04-09 | 2024-05-10 | 西安澎湃跃动电子科技有限公司 | 一种基于大数据的身体健康评估系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111028004A (zh) | 一种基于大数据技术的市场评估分析方法 | |
| Sen et al. | A stochastic programming approach to power portfolio optimization | |
| Rahimi et al. | Effective market monitoring in deregulated electricity markets | |
| CN111582911A (zh) | 一种多元用户与电网友好互动用电系统 | |
| CN111126776A (zh) | 一种基于逻辑回归算法的电费风险防控模型构建方法 | |
| CN110555624A (zh) | 一种考虑指标关联的电网调度运行综合评估方法 | |
| CN116579590B (zh) | 一种虚拟电厂中的需求响应评估方法和系统 | |
| Ma et al. | Demand response and energy storage integration study | |
| Wang et al. | Characteristics of the prices of operating reserves and regulation services in competitive electricity markets | |
| CN112580901A (zh) | 基于市场供需和区域气象预测的日前交易策略方法及系统 | |
| CN114140176B (zh) | 一种负荷聚集平台的可调容量预测方法及装置 | |
| CN114240225A (zh) | 源网荷储多元协同互动下的电力系统运行评价方法和系统 | |
| CN112785060A (zh) | 一种配电网精益化运维水平优化方法 | |
| CN115496603A (zh) | 基于人工智能技术的电力市场新能源日前交易决策方法 | |
| Yang et al. | Trading mechanism and pricing strategy of integrated energy systems based on credit rating and Bayesian game | |
| Sai et al. | Event-driven forecasting of wholesale electricity price and frequency regulation price using machine learning algorithms | |
| Alikhani et al. | Optimal implementation of consumer demand response program with consideration of uncertain generation in a microgrid | |
| Helman et al. | Development of long-duration energy storage projects in electric power systems in the United States: A survey of factors which are shaping the market | |
| CN116777616A (zh) | 一种基于概率密度分布的现货市场新能源日前交易决策方法 | |
| CN110929978A (zh) | 一种电力市场风险评估方法及评估系统 | |
| CN112949956A (zh) | 一种基于现货交易的发电企业市场化运营风险评估方法 | |
| CN115081893A (zh) | 用户用电数据分析方法、装置、电子设备及可读存储介质 | |
| CN112288269A (zh) | 一种区域配电网设备资产投资方案评价方法及系统 | |
| CN115330081A (zh) | 一种基于大数据的碳交易市场智能分析预测方法及系统 | |
| CN117273437A (zh) | 一种电力市场运行情况综合评估方法和系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |
|
| RJ01 | Rejection of invention patent application after publication |