CN111797892A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111797892A
CN111797892A CN202010438609.2A CN202010438609A CN111797892A CN 111797892 A CN111797892 A CN 111797892A CN 202010438609 A CN202010438609 A CN 202010438609A CN 111797892 A CN111797892 A CN 111797892A
Authority
CN
China
Prior art keywords
generator
market
index
power
random forest
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.)
Granted
Application number
CN202010438609.2A
Other languages
English (en)
Other versions
CN111797892B (zh
Inventor
谢蔚
丁恰
曹荣章
涂孟夫
昌力
王文
鲁文
邹雅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Shandong Electric Power Co Ltd
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
State Grid Electric Power Research Institute
Original Assignee
State Grid Corp of China SGCC
State Grid Shandong Electric Power Co Ltd
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
State Grid Electric Power Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Shandong Electric Power Co Ltd, Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd, State Grid Electric Power Research Institute filed Critical State Grid Corp of China SGCC
Priority to CN202010438609.2A priority Critical patent/CN111797892B/zh
Publication of CN111797892A publication Critical patent/CN111797892A/zh
Application granted granted Critical
Publication of CN111797892B publication Critical patent/CN111797892B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • 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
    • 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)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了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，选取历史某段时间内发电商特征数据和标签数据作为训练样本，将训练样本输入至随机森林回归算法工具包中，算法参数使用工具包中默认参数，经训练拟合，输出得到基于随机森林回归的发电商市场力监测模型；对目标发电商进行监测时，将预测样本输入值输入基于随机森林回归的发电商市场力监测模型，输出得到目标发电商预测标签数据，若预测标签数据大于设定的阈值，则判断发电商行使了市场力；若预测标签数据小于或等于设定的阈值，则判断发电商没有行使市场力。本发明提高了市场监测效率和扩大了市场监测的有效范围，保证了市场良好的竞争性，提高了市场运营效率。

Description

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
技术领域
本发明涉及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，属于 电力市场监管技术领域。
背景技术
目前，随着电力现货市场的建设进入提速阶段，将在试点地区组织编制并试 行现货市场相关功能规范以及建设大纲，条件成熟时将会出台国家相关标准。
现有的电力现货市场试运行方案，解决了计划与市场、现货交易和中长期交 易、不同成本机组同台竞争等困扰电力市场化改革的实质性问题。
电力行业具有天然的垄断性，电力市场中市场机制的引入并不表示政府部门 完全放开对市场的管制，政府部门仍需加强监管，缓解电力行业的竞争性，以防 止市场失灵的情况发生，市场力是其中首要解决的问题。在电力市场建设的初期， 由于监管标准体系尚不完善，发电企业通常利用市场本身的寡头结构特征通过一 系列渠道，例如战略竞争行为，串通合谋和他们拥有的信息优势来滥用市场力。 市场力通常被定义为一种发电商故意改变市场价格来谋取自身利益的能力，电力 市场中出现市场力通常因为两种现象：输电线路拥堵和垄断性的市场份额，拥有 市场力的发电商为了提高市场价格，可以通过持留行为来行使市场力。
现有政策明确提出：“结合电力体制改革进程特别是电力交易市场建设、有 序放开发用电计划的进程，逐步扩大市场形成上网电价、销售电价的范围，研究 建立电力市场价格行为规则和监管办法，探索建立市场电价监测预警办法，促进 电力行业健康发展。”
电力市场中市场力的存在将造成生产效率和配置效率低下，造成不公平和无 谓的社会福利损失，降低市场竞争效率，甚至会危及电网的安全运营和可靠供电。 目前在电力现货市场市场力的监测中，需先对发电商进行行为测试，对未通过行 为测试的发电商再进行影响测试，未通过影响测试的发电商，被判定为行使了市 场力。行为测试过程需要对市场进行模拟出清计算，运算量大，将消耗大量的时 间，不利于提高市场力监测的监测效率；同时，一些通过了行为测试，对市场仍 能产生较大影响的发电商，将逃过行为影响测试的监测，缩小了市场力监测的有 效范围，不利于实现电力现货市场的良好竞争，无法更好地提高市场运行效率， 实现社会福利最大化，从而凸显了改进传统的行为影响测试模型的必要性。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供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。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
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，包括如下步骤：
选取历史某段时间内发电商特征数据和标签数据，将特征数据作为训练样本 的输入值，将标签数据作为训练样本的输出值，将训练样本输入至随机森林回归 算法工具包中，算法参数使用工具包中默认参数，经训练拟合，输出得到基于随 机森林回归的发电商市场力监测模型；
对目标发电商进行监测时，在目标发电商给出报价前后，计算目标发电商的 特征数据作为预测样本输入值，将预测样本输入值输入基于随机森林回归的发电 商市场力监测模型，输出得到目标发电商预测标签数据，根据预测标签数据判断 发电商是否行使了市场力：若预测标签数据大于设定的阈值，则判断发电商行使 了市场力；若预测标签数据小于或等于设定的阈值，则判断发电商没有行使市场 力。
作为优选方案，还包括：
在市场出清结算之后，对目标发电商进行影响测试结果计算，得到实际标签 数据，将实际标签数据和目标发电商的特征数据加入更新后的训练样本。
作为优选方案，还包括：
利用更新后的训练样本对现有的随机森林回归的发电商市场力监测模型进 行重新训练拟合。
作为优选方案，所述特征数据包括：发电商给出报价之前，市场结构类指标 和发电商地位类指标；发电商在给出报价之后，发电商报价行为类指标。
作为优选方案，所述市场结构类指标包含但不限于动态统计熵指数、动态HHI指数、市场供需比指数；所述发电商地位类指标包含但不限于关键供应商指 数、必须运行率指数、剩余供给率指数、市场份额指数；所述发电商报价行为类 指标包含但不限于动态市场份额、物理持留指数、经济持留指数、报价相对比指 数、报价波动率指数。
作为优选方案，(1)动态统计熵指数：
Figure BDA0002502127170000031
式中：k为市场中发电商数量，pi为第i个发电商所占的市场份额；
(2)动态HHI指数
Figure BDA0002502127170000032
式中：k为市场中发电商数量，pi为第i个发电商所占的市场份额；
(3)市场供需比指数
Figure BDA0002502127170000033
式中：QL是市场需竞价地总负荷需求量，QC是市场总可申报发电容量；
(4)关键供应商指数
关键供应商指数是一个0-1变量，如果除某一发电商以外的其他所有发电 商的可用容量之和可以满足该区域内的负荷总需求，那么该发电商不属于关键供 应商，其PSI为0；如果除某一发电商以外的其他所有发电商的可用容量之和无 法满足该区域内的负荷总需求，那么该发电商属于关键供应商，其PSI为1；
(5)必须运行率指数
Figure BDA0002502127170000034
式中：QL是市场需竞价地总负荷需求量，QC是市场总可申报发电容量， ∑j≠iqj是市场总可申报发电容量减去发电商i的可申报发电容量；
(6)剩余供给率指数
Figure BDA0002502127170000035
式中：QL是市场需竞价地总负荷需求量，∑j≠iqj是市场总可申报发电容量减 去发电商i的可申报发电容量；
(7)市场份额指数
Figure BDA0002502127170000041
式中:qi是发电商i可申报发电容量；
(8)动态市场份额
Figure BDA0002502127170000042
式中:
Figure BDA0002502127170000043
是发电商i实际申报发电容量；
(9)物理持留指数
Figure BDA0002502127170000044
式中：qi是发电商i可申报发电容量，
Figure RE-GDA0002652211100000045
是发电商i实际申报发电容量；
(10)经济持留指数
Figure BDA0002502127170000046
式中：n为发电商报价总段数，Pi，j是发电商i报价的第j段价格，Pcap是电力 市场中的报价上限，Qi，j是发电商i申报量的第j段容量，qi是发电商i可申报发电 容量，t是幂指数；
(11)报价相对比指数
Figure BDA0002502127170000047
式中：Pi是发电商i的报价，Pave是市场中所有发电商的平均报价；
(12)报价波动率指数
Figure BDA0002502127170000048
式中：Pbh是发电商交易日高峰时段的报价，Pbl是发电商交易日低谷时段的 报价；
作为优选方案，所述标签数据为影响测试结果，所述影响测试结果为发电商 成交价与位置节点参考电价的比值。
作为优选方案，所述t优选为3。
有益效果：本发明提供的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，通过运用监督学习方法，在市场监测流程层面进行了优化，着眼于扩大 市场监测范围和减小市场监测所耗时间，避免了逃脱监测的发电商对市场造成危 害，同时提高了市场监测效率和扩大了市场监测的有效范围，保证了市场良好的 竞争性，提高了市场运营效率，为社会福利最大化提供了保障。
附图说明
图1是本发明算例的传统行为影响测试分类结果；
图2是本发明算例的基于随机森林回归的发电商市场力监测结果。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
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，旨在利用采集的 信息对发电商的市场力行使进行快速的全局监测识别。为实现电力现货市场的良 好竞争，提高市场运行效率，实现社会福利最大化而服务。包括步骤：
步骤1：在发电商给出报价之前，对市场结构类指标和发电商地位类指标进 行计算，将市场结构类指标和发电商地位类指标作为基于随机森林回归的发电商 市场力监测模型的特征数据；
所述市场结构类指标包含但不限于动态统计熵指数、动态HHI指数、市场 供需比指数；所述发电商地位类指标包含但不限于关键供应商指数、必须运行率 指数、剩余供给率指数、市场份额指数。具体指数计算方式如下：
(1)动态统计熵指数：
Figure BDA0002502127170000051
式中：k为市场中发电商数量，pi为第i个发电商所占的市场份额。
(2)动态HHI指数
Figure BDA0002502127170000052
式中：k为市场中发电商数量，pi为第i个发电商所占的市场份额。
(3)市场供需比指数
Figure BDA0002502127170000061
式中：QL是市场需竞价地总负荷需求量，QC是市场总可申报发电容量。
(4)关键供应商指数(PSI)
关键供应商指数是一个0-1变量，如果除某一发电商以外的其他所有发电 商的可用容量之和可以满足该区域内的负荷总需求，那么该发电商不属于关键供 应商，其PSI为0；如果除某一发电商以外的其他所有发电商的可用容量之和无 法满足该区域内的负荷总需求，那么该发电商属于关键供应商，其PSI为1。
(5)必须运行率指数(MMR)
Figure BDA0002502127170000062
式中：QL是市场需竞价地总负荷需求量，QC是市场总可申报发电容量， ∑j≠iqj是市场总可申报发电容量减去发电商i的可申报发电容量。
(6)剩余供给率指数(RSI)
Figure BDA0002502127170000063
式中：QL是市场需竞价地总负荷需求量，∑j≠iqj是市场总可申报发电容量减 去发电商i的可申报发电容量。
(7)市场份额指数
Figure BDA0002502127170000064
式中:qi是发电商i可申报发电容量。
步骤2：在发电商给出报价之后，对发电商报价行为类指标进行计算，将发 电商报价行为类指标作为基于随机森林回归的发电商市场力监测模型的特征数 据；
所述发电商报价行为类指标包含但不限于动态市场份额、物理持留指数、 经济持留指数、报价相对比指数、报价波动率指数。具体指数计算方式如下：
(1)动态市场份额
Figure BDA0002502127170000071
式中:
Figure BDA0002502127170000072
是发电商i实际申报发电容量。
(2)物理持留指数
Figure BDA0002502127170000073
式中：qi是发电商i可申报发电容量，
Figure BDA0002502127170000074
是发电商i实际申报发电容量。
(3)经济持留指数
Figure BDA0002502127170000075
式中：n为发电商报价总段数，Pi，j是发电商i报价的第j段价格，Pcap是电力 市场中的报价上限，Qi，j是发电商i申报量的第j段容量，qi是发电商i可申报发电 容量，t是幂指数，可以取2-5,通常取3。
(4)报价相对比指数
Figure BDA0002502127170000076
式中：Pi是发电商i的报价，Pave是市场中所有发电商的平均报价。
(5)报价波动率指数
Figure BDA0002502127170000077
式中：Pbh是发电商交易日高峰时段的报价，Pbl是发电商交易日低谷时段的 报价。
步骤3：对每个发电商进行影响测试结果计算，将影响测试结果作为基于随 机森林回归的发电商市场力监测模型的标签数据；所述影响测试结果为发电商成 交价与位置节点参考电价的比值。
步骤4：选取历史某段时间内发电商所有的特征数据和标签数据，将特征数 据作为训练样本的输入值，将标签数据作为训练样本的输出值，将训练样本输入 至随机森林回归算法工具包中，算法参数使用工具包中默认参数，经训练拟合， 输出得到基于随机森林回归的发电商市场力监测模型。
步骤5：对目标发电商进行监测时，在目标发电商给出报价前后，计算目标 发电商的特征数据作为预测样本输入值，将预测样本输入值输入至步骤4中得到 的基于随机森林回归的发电商市场力监测模型，输出得到目标发电商预测标签数 据，根据预测标签数据判断发电商是否行使了市场力：若预测标签数据大于设定 的阈值，则判断发电商行使了市场力；若预测标签数据小于或等于设定的阈值， 则判断发电商没有行使市场力。
步骤6：在市场出清结算之后，对目标发电商进行影响测试结果计算，得到 实际标签数据，将实际标签数据作为反馈对基于随机森林回归的发电商市场力监 测模型进行优化：每隔一个预设的时间段，将这个时间段的市场实际运行数据计 算出步骤1-步骤3所述特征数据和标签数据，加入到训练样本对基于随机森林 回归的发电商市场力监测模型进行重新训练拟合。
实施例：
为进一步证明本发明方法的正确性，将列举算例以具体说明：
我国刚刚开始现货市场试点工作，电力现货市场尚处于初始阶段，试点地区 的市场数据也为公布，因此，本发明使用IEEE14节点系统作为网络框架，每组 样本数据将某单一发电商作为测试对象，所有发电节点的发电商进行随机报价和 随机报量。对系统进行模拟出清，再对所有机组分别进行行为测试和影响测试， 根据影响测试的结果判断发电商是否行使市场力。每次行为及影响测试采集12 个发电商报价特性数据作为模型的输入数据。将行为测试的阈值设定为报价超过 参考电价的1.6倍，将影响测试的阈值设定为节点出清价超过参考电价的1.6倍。 得到1500组数据，训练集与测试集按9:1的比例分配，使用sicket-learn工具包 中的随机森林算法模型和集成学习Bagging算法进行10组集成学习交叉验证。 得到所预测的影响测试结果与实际值的对比情况。输入数据和随机森林关键参数 的选取见下表1和表2。
表1输入特征数据说明
Figure BDA0002502127170000081
Figure BDA0002502127170000091
表2随机森林回归算法参数组合
参数 取值
最大迭代数量 65
决策树最大深度 80
叶子节点最少样本数 1
最大特征个数 Auto
图1和图2中的红色M1标记点为发电商通过行为测试，但未通过影响测试 的情况，表示发电商成功逃脱行为影响测试的监测；黄色M2标记点为发电商未 通过行为测试，也未通过影响测试的情况，表示行为影响测试成功监测出发电商 行使市场力行为；黑色M3标记点为发电商未通过行为测试，但通过影响测试的 情况，表示发电商在行为影响测试的第二流程通过并退出；绿色M4标记点为发 电商通过行为测试，也通过影响测试的情况，表示发电商在行为影响测试的第一 个流程通过并退出。
从图1中可以看到，使用传统行为影响测试时(通过行为测试的发电商无需 进行影响测试)，在150个测试样本中，有10个样本通过行为测试但未通过影响 测试，逃脱了行为影响测试的监测，这是行为影响测试的流程造成的：影响测试 需要对市场进行模拟出清，计算量大，需要通过行为测试筛选出行为可以的发电 商，再对可疑发电商进行影响测试。而基于随机森林回归模型的发电商行为影响 预测面向对象为所有发电商，不会出现发电商通过行为测试但未通过影响测试的 情况。图2为基于随机森林回归模型的发电商行为影响测试结果进行分类的情 况。从图2中可以看到，在150个测试样本中，只有1个样本逃脱行为影响监测， 发电商市场力行为监测精准度明显提高。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技 术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些 改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种基于随机森林回归的电力市场发电商市场力监测方法，其特征在于：包括如下步骤：
选取历史某段时间内发电商特征数据和标签数据，将特征数据作为训练样本的输入值，将标签数据作为训练样本的输出值，将训练样本输入至随机森林回归算法工具包中，算法参数使用工具包中默认参数，经训练拟合，输出得到基于随机森林回归的发电商市场力监测模型；
对目标发电商进行监测时，在目标发电商给出报价前后，计算目标发电商的特征数据作为预测样本输入值，将预测样本输入值输入基于随机森林回归的发电商市场力监测模型，输出得到目标发电商预测标签数据，根据预测标签数据判断发电商是否行使了市场力：若预测标签数据大于设定的阈值，则判断发电商行使了市场力；若预测标签数据小于或等于设定的阈值，则判断发电商没有行使市场力。
2.根据权利要求1所述的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，其特征在于：还包括：
在市场出清结算之后，对目标发电商进行影响测试结果计算，得到实际标签数据，将实际标签数据和目标发电商的特征数据加入更新后的训练样本。
3.根据权利要求2所述的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，其特征在于：还包括：
利用更新后的训练样本对现有的随机森林回归的发电商市场力监测模型进行重新训练拟合。
4.根据权利要求1所述的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，其特征在于：所述特征数据包括：发电商给出报价之前，市场结构类指标和发电商地位类指标；发电商在给出报价之后，发电商报价行为类指标。
5.根据权利要求4所述的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，其特征在于：所述市场结构类指标包含但不限于动态统计熵指数、动态HHI指数、市场供需比指数；所述发电商地位类指标包含但不限于关键供应商指数、必须运行率指数、剩余供给率指数、市场份额指数；所述发电商报价行为类指标包含但不限于动态市场份额、物理持留指数、经济持留指数、报价相对比指数、报价波动率指数。
6.根据权利要求5所述的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，其特征在于：
(1)动态统计熵指数：
Figure FDA0002502127160000021
式中：k为市场中发电商数量，pi为第i个发电商所占的市场份额；
(2)动态HHI指数
Figure FDA0002502127160000022
式中：k为市场中发电商数量，pi为第i个发电商所占的市场份额；
(3)市场供需比指数
Figure FDA0002502127160000023
式中：QL是市场需竞价地总负荷需求量，QC是市场总可申报发电容量；
(4)关键供应商指数
关键供应商指数是一个0-1变量，如果除某一发电商以外的其他所有发电商的可用容量之和可以满足该区域内的负荷总需求，那么该发电商不属于关键供应商，其PSI为0；如果除某一发电商以外的其他所有发电商的可用容量之和无法满足该区域内的负荷总需求，那么该发电商属于关键供应商，其PSI为1；
(5)必须运行率指数
Figure FDA0002502127160000024
式中：QL是市场需竞价地总负荷需求量，QC是市场总可申报发电容量，∑j≠i qj是市场总可申报发电容量减去发电商i的可申报发电容量；
(6)剩余供给率指数
Figure FDA0002502127160000025
式中：QL是市场需竞价地总负荷需求量，∑j≠i qj是市场总可申报发电容量减去发电商i的可申报发电容量；
(7)市场份额指数
Figure FDA0002502127160000031
式中:qi是发电商i可申报发电容量；
(8)动态市场份额
Figure FDA0002502127160000032
式中:
Figure FDA0002502127160000033
是发电商i实际申报发电容量；
(9)物理持留指数
Figure FDA0002502127160000034
式中：qi是发电商i可申报发电容量，
Figure FDA0002502127160000035
是发电商i实际申报发电容量；
(10)经济持留指数
Figure FDA0002502127160000036
式中：n为发电商报价总段数，Pi，j是发电商i报价的第j段价格，Pcap是电力市场中的报价上限，Qi，j是发电商i申报量的第j段容量，qi是发电商i可申报发电容量，t是幂指数；
(11)报价相对比指数
Figure FDA0002502127160000037
式中：Pi是发电商i的报价，Pave是市场中所有发电商的平均报价；
(12)报价波动率指数
Figure FDA0002502127160000038
式中：Pbh是发电商交易日高峰时段的报价，Pbl是发电商交易日低谷时段的报价。
7.根据权利要求1所述的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，其特征在于：所述标签数据为影响测试结果，所述影响测试结果为发电商成交价与位置节点参考电价的比值。
8.根据权利要求6所述的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，其特征在于：所述t优选为3。
CN202010438609.2A 2020-05-21 2020-05-21 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 Active CN111797892B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010438609.2A CN111797892B (zh) 2020-05-21 2020-05-21 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010438609.2A CN111797892B (zh) 2020-05-21 2020-05-21 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

Publications (2)

Publication Number Publication Date
CN111797892A true CN111797892A (zh) 2020-10-20
CN111797892B CN111797892B (zh) 2022-10-11

Family

ID=72806741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010438609.2A Active CN111797892B (zh) 2020-05-21 2020-05-21 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

Country Status (1)

Country Link
CN (1) CN111797892B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112350308A (zh) * 2020-10-28 2021-02-09 清华大学 市场环境下基于发电容量控制的电力系统调度方法及装置
CN113077165A (zh) * 2021-04-15 2021-07-06 广东电力交易中心有限责任公司 一种发电机组市场力滥用判别方法
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919472A (zh) * 2019-02-27 2019-06-21 华南理工大学 一种考虑多利益主体博弈的发电市场迭代竞价方法
CN111028004A (zh) * 2019-11-28 2020-04-17 国网吉林省电力有限公司 一种基于大数据技术的市场评估分析方法
CN111047369A (zh) * 2019-12-27 2020-04-21 广东电网有限责任公司电力调度控制中心 一种电力现货市场监测分析装置及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919472A (zh) * 2019-02-27 2019-06-21 华南理工大学 一种考虑多利益主体博弈的发电市场迭代竞价方法
CN111028004A (zh) * 2019-11-28 2020-04-17 国网吉林省电力有限公司 一种基于大数据技术的市场评估分析方法
CN111047369A (zh) * 2019-12-27 2020-04-21 广东电网有限责任公司电力调度控制中心 一种电力现货市场监测分析装置及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112350308A (zh) * 2020-10-28 2021-02-09 清华大学 市场环境下基于发电容量控制的电力系统调度方法及装置
CN113077165A (zh) * 2021-04-15 2021-07-06 广东电力交易中心有限责任公司 一种发电机组市场力滥用判别方法
CN113077165B (zh) * 2021-04-15 2024-03-26 广东电力交易中心有限责任公司 一种发电机组市场力滥用判别方法
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

Also Published As

Publication number Publication date
CN111797892B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN111797892B (zh) 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
CN111738462B (zh) 电力计量装置故障抢修主动服务预警方法
Donnot et al. Introducing machine learning for power system operation support
CN109308571B (zh) 配电线路线变关系检测方法
CN107633354A (zh) 一种站用直流系统运行状态健康程度的综合评价方法
CN116681187B (zh) 一种基于企业经营数据的企业碳配额预测方法
CN104392391A (zh) 一种电网运行安全风险量化方法
CN111695718A (zh) 一种考虑投资需求与规划目标的电网发展辅助决策方法
CN110705879A (zh) 一种高比例可再生能源接入下的电网脆弱性评估方法
CN106530139A (zh) 电网投资分析模型指标参数计算方法
CN106600131A (zh) 电网投资分析模型评价方法
CN114065605A (zh) 一种智能电能表运行状态检测评估系统和方法
CN112785060A (zh) 一种配电网精益化运维水平优化方法
CN110689068A (zh) 一种基于半监督svm的变压器故障类型诊断方法
CN104218571A (zh) 一种风力发电设备的运行状态评估方法
CN109002994A (zh) 一种电网立项管理方法及系统、计算机设备、介质
CN113327047B (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
CN112734274B (zh) 一种低碳电网运营主导影响因素挖掘及综合评估方法
CN114202174A (zh) 一种电价风险等级预警方法、装置及存储介质
CN106548284A (zh) 一种面向运行调控的自适应模块化电网安全预警评价方法
CN113822533A (zh) 基于实时事件驱动的风险评估量化模型构建方法及系统
CN112508254A (zh) 变电站工程项目投资预测数据的确定方法
CN113988557B (zh) 一种电网企业的投资绩效评价指标体系的构建方法及装置
CN111598385B (zh) 基于模糊层次分析和综合评价确定用电行为的方法及系统
CN115034618A (zh) 一种基于模糊评价的社区综合能源系统效益评价方法

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