CN112950046B - 一种电力市场关键机组与机组群的识别方法 - Google Patents

Abstract

本发明涉及一种电力市场关键机组与机组群的识别方法，包括步骤：1)采集发电机组基本信息和机组所属发电企业股权结构信息，计算发电机组的股权关系权重；2)基于发电机组的股权关系权重获取发电机组间的股权关系邻接矩阵；3)基于股权关系邻接矩阵构建发电机组股权分析网络；4)基于构建的发电机组股权分析网络，对机组股权分析网络进行中心性处理和凝聚子群处理；5)根据中心性处理和凝聚子群处理的处理结果获取关键机组和机组群。与现有技术相比，本发明具有可视化高，可操作性强，识别精确、有效等优点。

Description

一种电力市场关键机组与机组群的识别方法

技术领域

本发明涉及电力市场机群识别技术领域，尤其是涉及一种电力市场关键机组与机组群的识别方法。

背景技术

在电力领域的发电侧，一个发电集团往往对多个发电企业进行控股，从而使单个发电集团对多个发电企业下的多个机组有控制权利，即市场力庞大；虽说市场力大并不意味着会滥用市场力，但这为将来进行市场力滥用埋下了伏笔和隐患。对关键机组和机组群的有效识别，即对电力市场机组进行关键识别与群体筛分，能够方便监管者对发电企业之间的联合滥用市场力的行为进行提前预防，并提高风险管控的效率。然而目前多数采用的识别方法仍为人工分析，操作繁琐，且人为操作容易带来误差，同时因不具备实时可视化能力，导致无法有效保证风险管控的效率。

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电力市场关键机组与机组群的识别方法。

本发明的目的可以通过以下技术方案来实现：

一种电力市场关键机组与机组群的识别方法，该方法包括如下步骤：

步骤一、采集发电机组基本信息和机组所属发电企业股权结构信息，根据采集的信息计算发电机组的股权关系权重；所述发电机组基本信息包括装机容量和机组所属发电企业，机组所属发电企业为参与电力市场交易的各发电厂；所述机组所属发电企业股权结构信息为机组所属发电集团以及发电集团持股份额比例。

所述发电机组的股权关系权重的计算表达式为：

x_ij＝(β_i+β_j)α_ij

式中，x_ij为机组i和机组j之间的股权关系权重；β_i和β_j分别为机组i和机组j的装机容量，i≤j＝1，2，…，N，N为市场中机组总数；α_ij为机组i和机组j之间的同股份额比例，其计算式为：

式中，

和

分别为机组i和机组j所属发电企业的企业股份中第k个发电集团股份的份额，k＝1，2，3，…，K，K为市场中发电集团总数。

步骤二、基于发电机组的股权关系权重获取发电机组间的股权关系邻接矩阵；具体地：

21)基于发电机组基本信息和机组所属发电企业股权结构信息，将单个机组作为节点，并根据机组i和机组j之间的同股份额比例获取发电机组同股份额比例邻接矩阵；

22)基于发电机组同股份额比例邻接矩阵，结合步骤2)中的股权关系权重，获取股权关系邻接矩阵，并对股权关系邻接矩阵进行归一化处理，得到归一化的股权关系邻接矩阵。

步骤三、基于股权关系邻接矩阵构建发电机组股权分析网络；具体地：

31)将步骤22)中所得的归一化的股权关系邻接矩阵导入Ucinet中；

32)对股权关系邻接矩阵数据进行可视化处理，构建机组股权分析网络。

步骤四、基于构建的发电机组股权分析网络，对机组股权分析网络进行中心性处理和凝聚子群处理；具体地：

41)采用社会网络分析法对构建的机组股权分析网络进行点度中心性处理和中间中心性处理，获取机组股权分析网络中各节点的点度中心度和中间中心度；

42)采用社会网络分析法对构建的机组股权分析网络进行凝聚子群处理，获取各节点的群数据。

所述点度中心度为构建的股权分析网络中与某个节点直接连接或邻近连接数和连接强度，所述中间中心度为构建的股权分析网络中某节点对其他节点的控制程度。

步骤五、根据中心性处理和凝聚子群处理的处理结果获取关键机组和机组群。具体地：

51)计算点度中心度均值，并对步骤41)得到的点度中心度数据中选取高于点度中心度均值的节点，作为点度中心节点集合U；

52)计算中间中心度均值，并对步骤41)得到的中间中心度数据中选取高于中间中心度均值的节点，作为中间中心节点集合V；

53)汇总所得点度中心节点集合U与中间中心节点集合V，获取交集W＝U∩V，将交集W中节点作为关键节点，即关键机组；

54)基于步骤42)所得群数据，选取节点数大于或等于3的群，取该群归一化的股权关系权重的均值为截断值，对该群归一化的股权关系邻接矩阵进行数据二值化处理，对大于或等于截断值的权重取1，对小于截断值的权重取0，并进行凝聚子群处理，选取所得节点数大于等于3的子群，得到关键机组群。

所述点度中心度均值的计算式为：

所述中间中心度均值的计算式为：

本发明提供的电力市场关键机组与机组群的识别方法，相较于现有技术至少包括如下有益效果：

1)本发明确定了股权关系权重，使发电机组装机容量与机组所属企业股份份额实现有机结合，有利于对关键机组和机组群进行精确、有效的识别，进而对发电企业之间的联合滥用市场力的行为进行提前预防；

2)基于社会网络分析构建发电机组股权分析网络，所采用的方式和方法从概念上有别于传统的统计分析和数据处理方法，且构建的网络基于机组关系，有利于更加便捷地对问题进行描述和量化分析，操作更加简易；

3)对发电机组股权分析网络进行中心性分析，所得关键机组不仅由点度中心性分析视角确定了机组在所属网络中的重要程度，且由中间中心度分析视角确定机组在所属网络中对其他机组的控制程度，分析角度全面，结果符合现实利益，进而能够显著提高风险管控的效率；

4)对发电机组股权分析网络进行多次凝聚子群分析，分析中以股权关系权重均值为截断值进行二值化处理，将机组群进行筛选过滤，所得关键机组群凝聚度高、关系紧密。

附图说明

图1为实施例中电力市场关键机组与机组群的识别方法的流程示意图；

图2为实施例中构建的机组股权分析网络。

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，本发明涉及一种电力市场关键机组与机组群的识别方法，具体包括如下步骤：

S1、采集发电企业发电机组的机组基本信息和股权结构信息；其中：

发电企业为参与电力市场交易的各发电厂；

发电机组包括常用机组、备用机组和应急机组；

发电机组基本信息包括装机容量、机组所属发电企业；

机组所属发电企业股权结构信息为机组所属发电集团以及发电集团持股份额比例；具体见表1。

表1机组所属发电企业股权结构信息

S2、获取发电机组的股权关系权重；其中：

所述发电机组的股权关系权重为发电机组股权份额比例与其装机容量综合计算而得，其值越大，该机组对间的关系越密切，其计算见下式：

x_ij＝(β_i+β_j)α_ij (1)

其中x_ij和α_ij分别为机组i和机组j股权关系权重和同股份额比例，β_i和β_j分别为机组i和机组j的装机容量，且i≤j＝1，2，…，N，N为市场中机组总数；其中α_ij的计算分别如式(2)所示：

式中，

和

分别为机组i和机组j所属发电企业的企业股份中第k个发电集团股份的份额，且k＝1，2，3，…，K，其中K为市场中发电集团总数。

S3、基于发电机组的股权关系权重得到发电机组间的股权关系邻接矩阵；具体包括以下流程：

S31、基于发电机组的机组基本信息和股权结构信息，将单个机组作为节点，并根据式(2)得到发电机组同股份额比例邻接矩阵；本实施例基于表1指标，采集发电企业发电机组的基本信息和股权结构信息，表2为参与市场报价的机组，表3为发电机组股权份额比例关系邻接矩阵。

表2参与市场报价机组信息

表3电机组股权份额比例关系邻接矩阵

S32、基于发电机组同股份额比例邻接矩阵，并结合步骤S2中的股权关系权重，得到股权关系邻接矩阵，具体见表4；

表4股权关系邻接矩阵

将其进行归一化处理，得到归一化的股权关系邻接矩阵，具体见表5；归一化处理公式如式(3)，其中x_ij为股权关系权重，x_min＝{x|min(x_ij)}，x_max＝{x|min(x_ij)}，

为归一化的股权关系权重，表达式如下：

表5归一化股权关系邻接矩阵

S4、基于股权关系邻接矩阵得到发电机组股权分析网络；具体包括以下流程：

S41、将步骤S3中所得归一化的股权关系邻接矩阵导入Ucinet软件中，即将表5数据导入Ucinet软件中。

S42、对股权关系邻接矩阵数据进行可视化处理，生成机组股权分析网络，具体见图2机组股权分析网络；图中各圆点与方形点为机组，所标编号为机组序号，点间连线为机组间关系有无。

S5、运用社会网络分析方法对机组股权分析网络进行中心性分析和凝聚子群分析；具体包括以下流程：

S51、运用社会网络分析方法对机组股权分析网络进行点度中心性分析和中间中心性分析，得到机组股权分析网络中各节点的点度中心度和中间中心度，具体见表6；

表6机组股权分析网络中各节点的点度中心度和中间中心度

中心性分析是社会网络分析的重点领域，节点在其网络中具有怎样的权力，或者说居于怎样的中心地位，这一思想是社会网络分析所探讨的内容之一；节点中心度主要测量节点处于网络中心的程度，反应了该节点在网络中的重要性大小，本实施例中主要选取点度中心性和中间中心性进行关键机组分析。

S52、运用社会网络分析方法对机组股权分析网络进行凝聚子群分析，得到各节点的群数据，具体见表7；

表7各节点群数据

凝聚子群是指当网络中某些节点之间的关系特别紧密，以至于结合成一个次级群体时，这样的群体在社会网络分析中被称为凝聚子群；本发明中凝聚子群分析主要为关键机组群分析。

S6、由分析结果得到关键机组和机组群；具体包括以下流程：

S61、基于步骤S5所得点度中心度数据，选取高于点度中心度均值的节点，作为集合U；点度中心度均值计算如式(4)所示：

所述点度中心度指在股权分析网络中与某个节点直接连接或邻近连接数和连接强度，本实施例中连接强度为股权关系权重；点度中心度的数值越大，则与该点相连的节点越多，即该点在股权分析网络中处于战略中心性位置。

如表6所示，经式(4)得点度中心度均值为2.951，其中机组10、机组1、机组3、机组9、机组2等7个机组的点度中心度高于点度中心度均值，对电力市场中市场力控制有较大权利，可以作为重要指标进行分析；但是仅凭点度中心度来判定关键机组稍显偏颇，点度中心度仅能说明节点重要性，对节点间的作用关系不能详细描述，因此通过中间中心度对影响因素进一步分析。

S62、基于步骤S5所得中间中心度数据，选取高于中间中心度均值的节点，作为集合V；中间中心度均值计算如式(5)所示：

所述中间中心度表示某节点对其他节点的控制程度，是以经过某个节点的最短路径数目来刻画节点重要性的指标；在股权分析网络中，如果一个节点处于许多其他两点之间的路径上，可以认为该节点居于重要地位，因为它具有控制其他两个节点之间的交往能力，一个节点在股权分析网络中占据这样的位置越多，就越代表它具有很高的中间中心性，就有越多的节点需要通过它才能发生联系，在股权分析网络中对其他节点的控制程度越大，中介效应越明显。

如表6所示，经式(5)得点度中心度均值为0.385，机组3、机组2、机组4等4个机组的中间中心度高于中间中心度均值，表明这4个机组的中介效应较明显，即在社会关系网络图中这4个机组对其他机组起着某种控制作用。

S63、汇总所得点度中心节点集合U与中间中心节点集合V，由W＝U∩V，得交集W中节点为关键节点，即关键机组；

整理以上两类中心性分析所得机组集合，如表8所示；最后选取两类集合交集，确定机组3、机组2、机组4为关键机组。

表8中心性分析所得机组集合

S64、基于步骤S5所得群数据，选取节点数大于等于3的群，取该群归一化的股权关系权重的均值为截断值，对该群归一化的股权关系邻接矩阵进行数据二值化处理，大于等于截断值的权重取1，小于截断值的权重取0，并进行凝聚子群分析，选出所得节点数大于等于3的子群，得到关键机组群；

凝聚子群可揭示节点之间实际存在的或者潜在的关系，当网络中某些节点之间的关系特别紧密，以至于结合成一个次级群体时，社会网络分析称这样的群体为凝聚子群，如果该网络存在凝聚子群，说明处于凝聚子群内部的节点之间联系紧密，在信息分享和合作方面交往频繁，本发明中该凝聚子群即机组群。

基于表7群数据，选取群a、群b，对所取群的股权关系邻接矩阵进行数据二值化处理，截断值分别为0.5、0.561，处理后矩阵见表9、表10；对其进行凝聚子群分析后，所得子群数据如表11所示，其中关键机组群为子群a-1、子群a-2、子群b-1。

表9截断值0.5股权关系邻接矩阵数据二值化处理结果

表10截断值0.561股权关系邻接矩阵数据二值化处理结果

表11子群数据

综上所述，本发明电力市场关键机组与机组群的识别方法，其基于社会网络分析方法，通过定义发电机组的股权关系权重，将发电机组装机容量与机组所属企业股份份额有机结合；运用社会网络分析，得到发电机组股权分析网络，将发电机组关系可视化处理；运用社会网络分析方法对机组股权分析网络进行中心性分析和凝聚子群分析，从利益角度分析了机组间的关系，并由分析结果得到关键机组和机组群，进而对电力市场机组进行关键识别与群体筛分，从而方便监管者对发电企业之间的联合滥用市场力的行为进行提前预防或事后分析，提高风险管控的效率。

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 (8)

1.一种电力市场关键机组与机组群的识别方法，其特征在于，包括下列步骤：

1)采集发电机组基本信息和机组所属发电企业股权结构信息，根据采集的信息计算发电机组的股权关系权重；

2)基于发电机组的股权关系权重获取发电机组间的股权关系邻接矩阵；

3)基于股权关系邻接矩阵构建发电机组股权分析网络；

4)基于构建的发电机组股权分析网络，对机组股权分析网络进行中心性处理和凝聚子群处理；

5)根据中心性处理和凝聚子群处理的处理结果获取关键机组和机组群；

所述发电机组的股权关系权重的计算表达式为：

x_ij＝(β_i+β_j)α_ij

式中，x_ij为机组i和机组j之间的股权关系权重；β_i和β_j分别为机组i和机组j的装机容量，i≤j＝1，2，…，N，N为市场中机组总数；α_ij为机组i和机组j之间的同股份额比例，其计算式为：

式中，

和

分别为机组i和机组j所属发电企业的企业股份中第k个发电集团股份的份额，k＝1，2，3，…，K，K为市场中发电集团总数；

步骤2)的具体内容为：

21)基于发电机组基本信息和机组所属发电企业股权结构信息，将单个机组作为节点，并根据机组i和机组j之间的同股份额比例获取发电机组同股份额比例邻接矩阵；

22)基于发电机组同股份额比例邻接矩阵，结合步骤2)中的股权关系权重，获取股权关系邻接矩阵，并对股权关系邻接矩阵进行归一化处理，得到归一化的股权关系邻接矩阵。

2.根据权利要求1所述的电力市场关键机组与机组群的识别方法，其特征在于，所述发电机组基本信息包括装机容量和机组所属发电企业，机组所属发电企业为参与电力市场交易的各发电厂；所述机组所属发电企业股权结构信息为机组所属发电集团以及发电集团持股份额比例。

3.根据权利要求1所述的电力市场关键机组与机组群的识别方法，其特征在于，步骤3)的具体内容为：

31)将步骤22)中所得的归一化的股权关系邻接矩阵导入Ucinet中；

32)对股权关系邻接矩阵数据进行可视化处理，构建机组股权分析网络。

4.根据权利要求3所述的电力市场关键机组与机组群的识别方法，其特征在于，步骤4)的具体内容为：

41)采用社会网络分析法对构建的机组股权分析网络进行点度中心性处理和中间中心性处理，获取机组股权分析网络中各节点的点度中心度和中间中心度；

42)采用社会网络分析法对构建的机组股权分析网络进行凝聚子群处理，获取各节点的群数据。

5.根据权利要求4所述的电力市场关键机组与机组群的识别方法，其特征在于，所述点度中心度为构建的股权分析网络中与某个节点直接连接或邻近连接数和连接强度，所述中间中心度为构建的股权分析网络中某节点对其他节点的控制程度。

6.根据权利要求4所述的电力市场关键机组与机组群的识别方法，其特征在于，步骤5)的具体内容为：

51)计算点度中心度均值，并对步骤41)得到的点度中心度数据中选取高于点度中心度均值的节点，作为点度中心节点集合U；

52)计算中间中心度均值，并对步骤41)得到的中间中心度数据中选取高于中间中心度均值的节点，作为中间中心节点集合V；

53)汇总所得点度中心节点集合U与中间中心节点集合V，获取交集W＝U∩V，将交集W中节点作为关键节点，即关键机组；

54)基于步骤42)所得群数据，选取节点数大于或等于3的群，取该群归一化的股权关系权重的均值为截断值，对该群归一化的股权关系邻接矩阵进行数据二值化处理，对大于或等于截断值的权重取1，对小于截断值的权重取0，并进行凝聚子群处理，选取所得节点数大于等于3的子群，得到关键机组群。

7.根据权利要求6所述的电力市场关键机组与机组群的识别方法，其特征在于，所述点度中心度均值的计算式为：

8.根据权利要求6所述的电力市场关键机组与机组群的识别方法，其特征在于，所述中间中心度均值的计算式为：

Images