CN111950918A - 一种基于电力交易数据的市场风险评估方法 - Google Patents

Abstract

本发明涉及一种基于电力交易数据的市场风险评估方法，包括步骤：1)基于Lasso回归模型，对电力市场风险监测全指标库进行降维处理，构建电力市场风险监测指标体系；2)采用均数原则法确定指标阈值，筛选异常数据，对风险对象进行初步识别；3)利用改进CRITIC‑G1法计算各指标的主观权重和客观权重，通过改进博弈论组合赋权法计算各指标的综合权重，构建集结模型，采用综合评价法，对筛选出的市场主体确定其风险等级；4)根据风险等级对市场主体的市场风险进行风险评估，并建立不同预警机制，警示市场风险。与现有技术相比，本发明具有有效监测不同市场主体潜在的市场违规行为，提高电力市场风险评估的精度与速度等优点。

Description

一种基于电力交易数据的市场风险评估方法

技术领域

本发明涉及电力市场运营监测技术领域，尤其是涉及一种基于电力交易数据的市场风险评估方法。

背景技术

电力市场运营必定伴随着电力市场风险，由于我国尚处于市场环境建设过程中，市场意识和市场法规薄弱，市场风险防范难度更大。以省为主开展的电力市场，其风险呈现“一高一低一多一少”的特点，即市场主体少、风险形式多、风险程度高、风险承受度低，市场风险防范难度极大。

目前，电力市场监测缺乏必要的指标和标准，对市场违规行为缺乏必要的处置依据和手段，导致电力市场违规行为时有发生，大大增加了电力市场运营风险。特别是对电力现货市场，市场违规行为更加难以防范。现有的市场风险评估指标体系多采用层次分析法、敏感性分析法、信息熵权法、专家打分法等单一的评估方法对市场风险进行评估，无法综合考虑决策者的意愿和数据内部的关联性。为了克服单一赋权法的局限性，许多学者提出了组合赋权的方法，组合赋权法有：博弈论组合赋权法、粒子群优化法、区间估计法等。其中，博弈论组合赋权法在洪灾风险评价、综合水质评价、岩石可爆性等级识别领域有着广泛的应用，但传统的博弈论组合赋权存在一个重要的缺陷，即得到的权重系数可能为负数。另一方面，市场成员的多样性和复杂性逐步提高，市场规模不断扩大，现有的市场风险评估指标体系缺乏对新出现的市场风险特征的分析，导致无法有效监测不同市场主体潜在的市场违规行为。此外，现有技术采用层次分析法、敏感性分析法、信息熵权法、专家打分法等评估方法的过程繁琐，且评估的精度与速度不够高，影响其实际应用。

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基于电力交易数据的市场风险评估方法，该方法可有效地监测不同市场主体潜在的市场违规行为，提高电力市场风险评估的精度与速度。

本发明的目的可以通过以下技术方案来实现：

一种基于电力交易数据的市场风险评估方法，该方法包括如下步骤：

S1：建立电力市场主体风险评估回归模型，获取Lasso参数估计模型，对电力市场风险监测全指标库进行降维处理，构建包括发电企业、售电企业、电力用户市场风险监测指标体系在内的电力市场风险监测指标体系；具体地：

11)获取电力市场原始交易数据，根据全指标库计算各市场主体对应的监测指标值，删除缺失数据与错误数据，采用一致化、无量纲化方法对数据进行预处理，得到标准化矩阵。

12)建立电力市场主体风险评估回归模型，获取Lasso参数估计模型，基于Lasso参数估计模型的惩罚系数对标准化矩阵进行简化；电力市场主体风险评估回归模型的表达式为：

y＝α+β₁Z₁+β₂Z₂+…+β_pZ_p+ε

式中，α为回归常数；β₁,β₂,…,β_p为回归系数；y为市场主体风险；Z₁,Z₂,…,Z_p为市场主体风险的p个评估指标；Z_j＝(z_1j,z_2j,…,z_nj)^T为指标j的数据信息，j＝1，…，p；ε为随机误差。

对于n组指标样本数据(Z_i1,Z_i2,…,Z_ij；y_i)，其中i＝1,2,…,n；j＝1,2,…,p，n为市场主体数量，p为市场主体风险的评估指标数，则未知参数α与β的Lasso参数估计模型的表达式为：

式中，

为式中的Lasso估计值，Z_ij为市场主体i第j项监测指标数据，i＝1,2,…,n；j＝1,2,…,p；y_i为市场主体i市场风险水平；λ为惩罚系数；

当惩罚系数λ为0时，未知参数α与β的Lasso参数估计模型变为最小二乘估计；当惩罚系数足够大时，对未知参数α与β的Lasso参数估计模型进行最小化，使所有的回归系数估计为0，实现标准化矩阵的精简。

13)从市场运营机构获取样本数据，将样本数据分为训练集和测试集进行交叉检验，确定最优惩罚系数，对标准化矩阵进行更新。具体地：

从市场运营机构获取样本数据，将样本数据分为训练集和测试集进行交叉检验，计算不同惩罚系数λ水平下训练集对测试集的均方误差，选择均方误差最小的模型，确定最优惩罚系数λ，对标准化矩阵进行更新，均方误差

的表达式为：

式中，E_p(λ)为回归模型的误差平方和，y_ip为市场主体i含p项指标的线性回归模型对市场风险水平的拟合值。

14)确定市场主体风险的关键评估指标体系。

S2：采用均数原则法确定指标阈值，筛选出存在异常交易数据的市场主体，对风险对象进行初步识别；

采用均数原则法确定第j个指标的阈值，表达式如下：

式中，n为监测的市场主体个数，

为更新后的市场主体i的第j项指标监测值，若某一市场主体的某一风险指标超过上述阈值，则表示该市场主体存在异常交易行为；根据筛选后的结果对

进行更新，记作：

S3：利用改进CRITIC-G1法计算各指标的主观权重和客观权重，通过改进博弈论组合赋权法计算各指标的综合权重，构建集结模型，采用综合评价法，利用步骤S1构建的电力市场风险监测指标体系中的各指标对步骤S2存在异常交易数据的市场主体进行风险评估，确定其风险等级；具体包括下列步骤：

31)采用改进的CRITIC-G1法确定指标的客观权重向量和主观权重向量，并利用改进的博弈论组合赋权法计算指标的综合权重向量；包括下列步骤：

311)采用利用改进CRITIC算法确定各项指标的客观权重向量；

312)利用序关系分析法确定各项指标的主观权重向量；

313)根据获取的客观权重向量、主观权重向量，利用改进的博弈论组合赋权方法计算各指标的综合权值；

假设利用改进CRITIC算法确定各项指标的客观权重向量为w₁，利用序关系分析法确定的主观权重向量为w₂，最优组合权重向量为w^*，首先，建立目标函数：

式中，w_i为待组合的权重，a_j为待确定的权重组合系数；

引入拉格朗日乘子μ，建立拉格朗日函数：

随后，求得组合系数，并进行归一化处理得到权重组合系数

将

代入下式，获取最优组合权重向量w^*为：

314)根据计算后的各指标的综合权值，构建线性加权综合评价模型，采用综合评价法计算各市场主体的风险水平。

线性加权综合评价模型的表达式为：

式中，

为市场主体i的市场风险综合评价水平，

为步骤2)更新后的市场主体i第j项指标监测值，m为评价对象数量，l为评估指标个数，w^*为最优组合权重向量。

32)根据步骤31)获取的指标的综合权重向量构建集结模型，采用综合评价法计算各市场主体的风险水平；

33)根据市场主体的风险水平确定各市场主体的风险级别。

S4：根据风险等级对市场主体的市场风险进行风险评估，并建立不同预警机制，警示市场风险。

本发明提供的基于电力交易数据的市场风险评估方法，相较于现有技术至少包括如下有益效果：

一、本发明运用Lasso回归模型对电力市场风险监测全指标库进行降维处理，去除影响系数低的指标变量，有效实现指标集的精简，能够有效地监测不同市场主体潜在的市场违规行为，提高电力市场风险评估的精度与速度；

二、本发明引入主观赋权法与客观赋权法相结合的改进CRITIC-G1法，通过改进博弈论确定综合权重，其中，改进CRITIC-G1算法能够有效融合指标自身信息、指标间的相关性以及决策者的主观意愿计算得到客观权重与主观权重，改进博弈论综合赋权通过增加约束条件对综合权重系数的设置进行优化，克服了传统博弈论组合赋权带来的负权重系数的弊端，对主客观权重加以集结，求取最优组合权重，提高指标权重赋值的准确性与科学性；

三、本发明对全指标库进行降维，根据指标阈值初步识别存在异常交易行为的市场主体，然后利用筛选出的关键指标对识别出的存在异常交易行为的市场主体进行风险评估，有效避免了电力市场违规行为对电力市场运营造成的风险。

附图说明

图1为实施例中基于电力交易数据的市场风险评估方法的流程示意图；

图2为本发明电力市场风险监测指标体系总体架构图。

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

如图1所示，本发明涉及一种基于电力交易数据的市场风险评估方法，该方法具体包括如下步骤：

步骤一、通过Lasso回归模型，对电力市场风险监测全指标库进行降维处理，构建电力市场风险监测指标体系，包括发电企业、售电企业、电力用户市场风险监测指标体系。具体地：

1.1)数据预处理：

获取电力市场原始交易数据，包括市场主体注册信息、市场主体报价信息、市场出清结果、电网运行信息等数据，根据全指标库计算各市场主体对应的监测指标值，记为M＝[M₁,M₂,…,M_P]，删除缺失数据与错误数据，采用一致化、无量纲化方法对数据进行预处理，得到标准化矩阵Z。

一致化变换：对正指标m_ij＝m_ij，对逆指标m_ij＝-m_ij，式中，m_ij为市场主体i第j项指标监测值，得一致化矩阵M'：

无量纲化变换：

式中，

n为市场主体数量。

得标准化矩阵Z：

上述标准化矩阵中，Z_ij为市场主体i第j项监测指标数据，i＝1,2,…,n；j＝1,2,…,p，n为市场主体数量，p为市场主体风险的评估指标数。

1.2)建立电力市场主体风险评估回归模型：

y＝α+β₁Z₁+β₂Z₂+…+β_pZ_p+ε

式中，α为回归常数；β₁,β₂,…,β_p为回归系数；y是市场主体风险；Z₁,Z₂,…,Z_p是市场主体风险的p个评估指标，Z_j＝(z_1j,z_2j,…,z_nj)^T为指标j的数据信息；ε为随机误差。

若有n组样本数据(Z_i1,Z_i2,…,Z_ij；y_i)，其中i＝1,2,…,n；j＝1,2,…,p。则未知参数α与β的Lasso估计定义为：

式中，

为式中的Lasso估计值，Z_ij为市场主体i第j项监测指标数据，i＝1,2,…,n；j＝1,2,…,p；y_i为市场主体i市场风险水平；λ为惩罚系数。当惩罚系数λ为0时，上式变为一般的最小二乘估计；当惩罚系数足够大时，最小化上式将迫使所有的回归系数估计为0。通过控制惩罚项系数的大小，使得估计后一些评估指标的系数变为0，从而实现指标集的精简。本专利采用广义交叉验证来确定最优惩罚系数λ。

1.3)对建立的回归模型进行训练，然后进行交叉检验，确定惩罚系数λ：

从市场运营机构获取样本数据，包括市场主体注册信息、市场主体报价信息、市场出清结果、电网运行信息等数据，将样本数据分为训练集和测试集，首先，经过训练得到风险评估回归模型的未知参数α,β,λ，其中α,β,λ是一一对应的关系；然后计算不同λ水平下训练集对测试集的均方误差，选择均方误差最小的模型，确定λ。

均方误差指拟合值与真值之差平方的数学期望，用于度量模型的准确性。每个λ取值水平下的结果都进行一次计算，汇总得到结果和均方误差。

式中，n为市场主体个数，E_p(λ)为回归模型的误差平方和，y_ip为市场主体i含p项指标的线性回归模型对市场风险水平的拟合值。

用于衡量回归模型准确性，

越小，说明对于测试集而言，风险评估回归模型的拟合值y_ip与真值y_i之间的误差越小，回归模型的准确性越高。据此，选取

最小的模型，确定λ。

1.4)当λ足够大的时候，最小化回归模型将使得部分回归系数为0，从而实现指标集的精简。根据步骤1.3)得到的回归系数确定市场主体风险的关键评估指标X＝[X₁,X₂,…,X_j]；(j＝1,2,…,l；l≤p)，更新标准化矩阵Z，保留所有市场主体关键评估指标的数据信息，即将原有的p项监测指标降维变成l项评估指标。记为

(j＝1,2,…,l,l≤p)。

其中，发电企业市场风险监测指标体系包括5类一级监测指标，32个二级监测指标，如表1所示；售电企业市场风险监测指标体系包括5类一级监测指标，39个二级监测指标，如表2所示；电力用户市场风险监测指标体系包括3类一级监测指标，13个二级监测指标，如表3所示。

表1发电企业市场风险监测指标体系

表2售电企业市场风险监测指标体系

表3电力用户市场风险监测指标体系

步骤二、采用均数原则法确定指标阈值，是由所有市场主体单个指标的均数来确定单个风险指标的阈值，根据设定的指标阈值筛选出存在异常交易数据的市场主体，实现风险对象的初步识别。

由均数原则法确定的第j个指标的阈值为：

式中，n为监测的市场主体个数，

为更新后的市场主体i的第j项指标监测值。若某一市场主体的某一风险指标超过上述阈值，则表示该市场主体存在异常交易行为。

更新标准化矩阵Z^old，保留存在异常交易行为的市场主体的关键评估指标的信息，指标信息记为

(j＝1,2…,l；j≤p)，市场主体的个数从n降为m，则矩阵

变为

步骤三、利用改进CRITIC-G1法计算各指标的主观权重和客观权重，通过改进博弈论组合赋权法计算各指标的综合权重，构建集结模型，采用综合评价法，对步骤1.4)利用步骤1)构建的指标体系，对步骤2)存在异常交易数据的市场主体进行风险评估进行风险评估，确定其风险等级。具体地：

3.1)采用改进博弈论组合赋权对改进CRITIC-G1法确定的客观权重和主观权重进行综合，以弥补单一赋权带来的不足，权重的确定分为三步实现。

第一步，利用改进CRITIC算法充分考虑指标间的辨别度和冲突性，确定指标的客观权重向量

首先，计算指标的辨别度(DDV)系数向量v和冲突性(CIV)系数向量c；

通过步骤二中标准化数据矩阵Z^new中的各个指标数据信息，计算指标的标准差向量q＝[q₁,q₂,…,q_l]，求得辨别度系数向量v＝[v₁,v₂,…,v_l]。

上式中，

为第j项指标数据信息的均值，m为评价对象数量，l为指标数量。

通过步骤二中标准化系数矩阵Z^new中的各个指标数据信息，求标准化矩阵Z^new的相关系数矩阵R＝(r_hj)_l×l，得出冲突性系数向量c＝[c₁,c₂,…,c_l]。

上式中，r_hj反映第h项指标与第j项指标的相关程度，

为第h项指标与第j项指标的协方差，t_hj用来量化第h项指标与第j项指标的的冲突性大小，t_hj的取值范围为0到1，越接近1说明指标间的冲突性越大。

然后，利用差异系数法计算指标权重参数值pv。将冲突性向量c中各个分量从小到达进行重新排序，得到有序向量p＝[p₁,p₂,…,p_l]，计算向量c中各分量的差异系数g和待定参数pv；

最后，通过pv参数将向量c_j和v_j加权，得到最终的指标权重向量

第二步，利用G1法(序关系分析法)确定主观权重向量

首先，确定指标的重要性排序X'和各指标的相对重要程度

相关领域专家组各位专家依据步骤一中标准化数据矩阵给出第一次判断矩阵，即最重要的指标，记作X′₁，再从剩余的标准化矩阵中继续给出第二次判断矩阵，选出最重要的指标，记作X'₂。以此类推，直至给出所有指标的重要性排序X'＝[X′₁,X'₂,…,X′_l]。第k位专家根据表4将指标集中所有的指标间的相对重要性

进行量化。

表4指标重要性评分表

随后，计算第k位专家决策下的指标l的权重

在确定指标集中最后一项指标的权重后，根据下式依次推出指标集内其他指标的权重：

最后，整合多个专家决策下的指标权重w'_j＝[w₁',w'₂,…,w_l']，假设共有t位专家参与决策，第j项指标权重为计算公式如下：

式中，a_k为第k位专家在赋权过程中的影响因子，

为第k位专家决策下第j项指标的权重。

由于G1法确定的指标权重序列X'＝[X′₁,X'₂,…,X′_l]与CRITIC法确定的指标权重序列

不一致，在此将G1法确定的指标权重序列进行转换，与CRITIC法确定的指标权重序列一一对应，得到G1法确定的最终的指标权重向量

第三步，利用改进的博弈论组合赋权方法计算指标的综合权值。

假设改进CRITIC法确定的客观权重向量为w₁，G1法确定的主观权重向量为w₂，最优组合权重向量为w^*，首先，建立目标函数：

式中，w_i为待组合的权重，a_j为待确定的权重组合系数。

引入拉格朗日乘子μ，建立拉格朗日函数：

然后，求得组合系数，并进行归一化处理得到权重组合系数

将

代入下式，可得最优组合权重向量为：

3.2)综合评判。构建集结模型，采用综合评价法计算各市场主体的风险水平，线性加权综合评价计算公式如下：

式中，

为市场主体i的市场风险综合评价水平，

为步骤二更新后的市场主体i第j项指标监测值，m为评价对象数量，l为评估指标个数。

3.3)风险源级别确定。根据综合评价结果确定各市场主体的风险级别，包括高风险、中等风险和低风险三个级别，具体标准及级别如表5所示，α₁,α₂,α₃的值由专家进行评估确定，取值范围为0到100，α₁的值小于α₂的值，α₂的值小于α₃的值。

表5风险源的异常级别确定

异常综合评价值降序排列	风险源的异常级别
		异常综合评价值位于前α<sub>1</sub>％	高风险
异常综合评价值位于α<sub>1</sub>％至α<sub>2</sub>％	中等风险
		异常综合评价值位于α<sub>2</sub>％至α<sub>3</sub>％	低风险

步骤四、根据评估结果，建立红、橙、黄三级预警机制，警示市场风险。

根据步骤三的综合评价结果，针对高风险、中等风险、低风险三重风险等级分别建立红、橙、黄三级预警机制。交易中心根据不同的预警信号及时采取相应的风险处置办法进行控制，规范市场主体的交易行为，保证电力市场健康稳定运行。

步骤五、提供风险处置预案，有效防范市场交易风险。

根据市场风险评估结果，设计差异化的风险处置体系，为市场监测者提供切实有用的风险处置预案，包括发电企业、售电企业、电力用户市场风险处置预案，具体包括以下步骤：

5.1)发电企业市场风险处置预案：

a)市场分级准入；

b)调整市场交易优先级；

c)设置市场交易黑名单。

5.2)售电企业市场风险处置预案：

a)市场分级准入；

b)调整履约保函缴纳额度；

c)分级放开增值服务；

d)调整售电规模；

e)设置市场交易黑名单。

5.3)电力用户市场风险处置预案：

a)调整市场交易优先级；

b)基础供电分级服务；

c)电费分级管控；

d)设置市场交易黑名单。

本发明运用Lasso回归模型对电力市场风险监测全指标库进行降维处理，去除影响系数低的指标变量，有效实现指标集的精简，能够有效地监测不同市场主体潜在的市场违规行为，提高电力市场风险评估的精度与速度；引入主观赋权法与客观赋权法相结合的改进CRITIC-G1法，通过改进博弈论确定综合权重，其中，改进CRITIC-G1算法能够有效融合指标自身信息、指标间的相关性以及决策者的主观意愿计算得到客观权重与主观权重，改进博弈论综合赋权通过增加约束条件对综合权重系数的设置进行优化，克服了传统博弈论组合赋权带来的负权重系数的弊端，对主客观权重加以集结，求取最优组合权重，提高指标权重赋值的准确性与科学性。

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。

Claims (10)

1.一种基于电力交易数据的市场风险评估方法，其特征在于，包括下列步骤：

1)建立电力市场主体风险评估回归模型，获取Lasso参数估计模型，对电力市场风险监测全指标库进行降维处理，构建包括发电企业、售电企业、电力用户市场风险监测指标体系在内的电力市场风险监测指标体系；

2)采用均数原则法确定指标阈值，筛选出存在异常交易数据的市场主体，对风险对象进行初步识别；

3)利用改进CRITIC-G1法计算各指标的主观权重和客观权重，通过改进博弈论组合赋权法计算各指标的综合权重，构建集结模型，采用综合评价法，利用步骤1)构建的电力市场风险监测指标体系中的各指标对步骤2)存在异常交易数据的市场主体进行风险评估，确定其风险等级；

4)根据风险等级对市场主体的市场风险进行风险评估，并建立不同预警机制，警示市场风险。

2.根据权利要求1所述的基于电力交易数据的市场风险评估方法，其特征在于，步骤1)具体包括下列步骤：

11)获取电力市场原始交易数据，根据全指标库计算各市场主体对应的监测指标值，删除缺失数据与错误数据，采用一致化、无量纲化方法对数据进行预处理，得到标准化矩阵；

12)建立电力市场主体风险评估回归模型，获取Lasso参数估计模型，基于Lasso参数估计模型的惩罚系数对标准化矩阵进行简化；

13)从市场运营机构获取样本数据，将样本数据分为训练集和测试集进行交叉检验，确定最优惩罚系数，对标准化矩阵进行更新；

14)确定市场主体风险的关键评估指标体系。

3.根据权利要求1所述的基于电力交易数据的市场风险评估方法，其特征在于，步骤1)中，电力市场主体风险评估回归模型的表达式为：

y＝α+β₁Z₁+β₂Z₂+…+β_pZ_p+ε

式中，α为回归常数；β₁,β₂,…,β_p为回归系数；y为市场主体风险；Z₁,Z₂,…,Z_p为市场主体风险的p个评估指标；Z_j＝(z_1j,z_2j,…,z_nj)^T为指标j的数据信息，j＝1，…，p；ε为随机误差。

4.根据权利要求2所述的基于电力交易数据的市场风险评估方法，其特征在于，步骤12)的具体内容为：

对于n组指标样本数据(Z_i1,Z_i2,…,Z_ij；y_i)，其中i＝1,2,…,n；j＝1,2,…,p，n为市场主体数量，p为市场主体风险的评估指标数，则未知参数α与β的Lasso参数估计模型的表达式为：

式中，

为式中的Lasso估计值，Z_ij为市场主体i第j项监测指标数据，i＝1,2,…,n；j＝1,2,…,p；y_i为市场主体i市场风险水平；λ为惩罚系数；

当惩罚系数λ为0时，未知参数α与β的Lasso参数估计模型变为最小二乘估计；当惩罚系数足够大时，对未知参数α与β的Lasso参数估计模型进行最小化，使所有的回归系数估计为0，实现标准化矩阵的精简。

5.根据权利要求4所述的基于电力交易数据的市场风险评估方法，其特征在于，步骤13)的具体内容为：

从市场运营机构获取样本数据，将样本数据分为训练集和测试集进行交叉检验，计算不同惩罚系数λ水平下训练集对测试集的均方误差，选择均方误差最小的模型，确定最优惩罚系数λ，对标准化矩阵进行更新，均方误差

的表达式为：

式中，E_p(λ)为回归模型的误差平方和，y_ip为市场主体i含p项指标的线性回归模型对市场风险水平的拟合值。

6.根据权利要求1所述的基于电力交易数据的市场风险评估方法，其特征在于，步骤2)的具体内容为：

采用均数原则法确定第j个指标的阈值，表达式如下：

式中，n为监测的市场主体个数，

为更新后的市场主体i的第j项指标监测值，若某一市场主体的某一风险指标超过上述阈值，则表示该市场主体存在异常交易行为；根据筛选后的结果对

进行更新，记作：

7.根据权利要求1所述的基于电力交易数据的市场风险评估方法，其特征在于，步骤3)具体包括下列步骤：

31)采用改进的CRITIC-G1法确定指标的客观权重向量和主观权重向量，并利用改进的博弈论组合赋权法计算指标的综合权重向量；

32)根据步骤31)获取的指标的综合权重向量构建集结模型，采用综合评价法计算各市场主体的风险水平；

33)根据市场主体的风险水平确定各市场主体的风险级别。

8.根据权利要求7所述的基于电力交易数据的市场风险评估方法，其特征在于，步骤31)具体包括下列步骤：

311)采用利用改进CRITIC算法确定各项指标的客观权重向量；

312)利用序关系分析法确定各项指标的主观权重向量；

313)根据获取的客观权重向量、主观权重向量，利用改进的博弈论组合赋权方法计算各指标的综合权值；

314)根据计算后的各指标的综合权值，构建线性加权综合评价模型，采用综合评价法计算各市场主体的风险水平。

9.根据权利要求8所述的基于电力交易数据的市场风险评估方法，其特征在于，步骤313)的具体内容为：

假设利用改进CRITIC算法确定各项指标的客观权重向量为w₁，利用序关系分析法确定的主观权重向量为w₂，最优组合权重向量为w^*，首先，建立目标函数：

式中，w_i为待组合的权重，a_j为待确定的权重组合系数；

引入拉格朗日乘子μ，建立拉格朗日函数：

随后，求得组合系数，并进行归一化处理得到权重组合系数

将

代入下式，获取最优组合权重向量w^*为：

10.根据权利要求8所述的基于电力交易数据的市场风险评估方法，其特征在于，步骤314)中，线性加权综合评价模型的表达式为：

式中，

为市场主体i的市场风险综合评价水平，

为步骤2)更新后的市场主体i第j项指标监测值，m为评价对象数量，l为评估指标个数，w^*为最优组合权重向量。

Images