一种电力市场中识别发电商串谋的方法及系统

摘要

本发明公开了一种电力市场中识别发电商串谋的方法及系统，包括：获取各发电商的报价曲线，所述报价曲线反映机组的报价电量与电价的关系；将报价曲线进行分段，利用报价曲线数据构建串谋识别指标体系数据集；基于AdaBoost算法训练数据集得到串谋行为识别模型；利用串谋行为识别模型对任意两个发电商之间进行串谋行为识别，若它们通过串谋识别指标体系计算得到的数值出现异常，则串谋行为识别模型的结果会输出1，认为两个发电商之间存在串谋行为。本发明能够准确判别电力现货市场交易中的串谋行为。

说明书

技术领域

本发明涉及电力技术领域，具体涉及一种电力市场中识别发电商串谋的方法及系统。

背景技术

串谋是发电商行使市场力的形式之一，在我国电力市场建设初期，如果各寡头发电商之间形成串谋则更不利于市场竞争。20世纪90年代以来，随着浙江的砖瓦协会及彩电联盟、上海的黄金价格联盟、广州各航空公司统一票价等行为的出现，处于竞争关系的厂商之间的串谋行为已引起了社会各界的关注。串谋联盟采用限制产量、固定价格水平、影响价格形成机制等方式维持貌似分散竞争而实质上是多个厂商联合操纵市场的市场结构，串谋行为的经济后果等同于垄断。因此，清醒地认识发电商串谋行为的危害性，建立和完善对电力市场不正当竞争行为的有效约束机制已成为当务之急。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种电力市场中识别发电商串谋的方法及系统，用于判断发电商之间是否存在串谋行为，维护电力市场的安全稳定运行。

本发明采用如下技术方案：

一种电力市场中识别发电商串谋的方法，包括：

获取各发电商的报价曲线，所述报价曲线反映机组的报价电量与电价的关系；

将报价曲线进行分段，利用报价曲线数据构建串谋识别指标体系数据集，并给每个样本打上是否串谋的标签，若串谋，则其标签为1；否则为0；

基于AdaBoost算法训练数据集得到串谋行为识别模型；

利用串谋行为识别模型对任意两个发电商之间进行串谋行为识别，若它们通过串谋识别指标体系计算得到的数值出现异常，则串谋行为识别模型的结果会输出1，认为两个发电商之间存在串谋行为。

进一步，将报价曲线按照价格的不同分为三段。

进一步，利用报价曲线数据构建串谋识别指标体系数据集，包括申报电量市场份额均值、报价一致性指标、申报量一致性及报价安全度均值。

进一步，所述申报电量市场份额均值，具体计算为：

式中，S

申报电量市场份额均值越高的2个发电商操控市场价格的能力越强，串谋的可能性越高。

进一步，所述报价一致性指标，具体计算为：

式中，p

当发电商出现一致性报价时，很有可能是串谋产生的结果。

进一步，所述申报量一致性，具体计算为：

其中，第i个和第j个发电商在这次竞价中的第a段申报电量S

当发电商出现申报电量一致性时，很有可能是电厂(购电商)串谋产生的结果。

进一步，所述报价安全度均值具体计算公式为：

其中，第i个和第j个发电商在这次竞价中的加权平均申报价格p

报价安全度均值是衡量企业之间报价与历史出清价格的偏离程度的指标，如果偏离程度较大，说明串谋嫌疑较大。

进一步，所述基于AdaBoost算法训练数据集得到串谋行为识别模型，具体为：

应用AdaBoost算法训练数据集，训练得到若干弱分类器，基于分类器的错误率分配权重参数，最后通过累加加权的方式将这些弱分类器组合成一个强分类器，得到串谋行为识别模型。

进一步，所述报价曲线显示发电商在中长期市场或者实时市场的报价。

一种电力市场中识别发电商串谋的系统，包括

采集数据模块：获取各发电商的报价曲线，所述报价曲线反映机组的报价电量与电价的关系；

建立串谋指标体系模块：将报价曲线进行分段，利用报价曲线数据构建串谋识别指标体系数据集；

训练串谋行为识别模型模块：基于AdaBoost算法训练数据集得到串谋行为识别模型；

识别模块：利用串谋行为识别模型对任意两个发电商之间进行串谋行为识别，得到识别结果。

本发明的有益效果：

通过应用基于AdaBoost的串谋识别方法可以有效帮助电网企业和市场监管单位对串谋和违规套利行为进行监测，减少违规行为带来的经济损失和不良影响。

附图说明

图1是本发明的工作流程图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例1

如图1所示，一种电力市场中识别发电商串谋的方法，可以由相关的服务器执行，且下文均已服务器作为执行主体为例进行说明。

至少包括如下步骤：

S1获取各发电商的报价曲线，所述报价曲线反映机组的报价电量与电价的关系，将报价曲线进行分段，目前市场报价按照价格主要分为三段。

需要获取识别发电商串谋行为的基础数据，具体可以包括发电商的报价曲线、机组可用容量、电力市场的价格上调、电网年平均上网电价、机组报价的各段电价。

所述报价曲线显示发电商在中长期市场或者实时市场的报价。

S2利用报价曲线数据构建串谋识别指标体系数据集，每个样本是指每个发电商，根据历史信息，给每个样本打上是否串谋的标签，若串谋，则其标签为1；否则为0；所述历史信息具体为每个发电商是否有串谋记录。

所述串谋识别指标体系包括申报电量市场份额均值、报价一致性指标、申报量一致性及报价安全度均值。

所述申报电量市场份额均值，具体计算为：

式中，S

申报电量市场份额均值越高的2个发电商操控市场价格的能力越强，串谋的可能性越高。

所述报价一致性指标，具体计算为：

式中，p

当发电商出现一致性报价时，很有可能是串谋产生的结果。

所述申报量一致性，具体计算为：

其中，第i个和第j个发电商在这次竞价中的第a段申报电量S

当发电商出现申报电量一致性时，很有可能是电厂(购电商)串谋产生的结果。

所述报价安全度均值具体计算公式为：

其中，第i个和第j个发电商在这次竞价中的加权平均申报价格p

报价安全度均值是衡量企业之间报价与历史出清价格的偏离程度的指标，如果偏离程度较大，说明串谋嫌疑较大。

根据发电商数据，计算获得四个指标，构成数据集。

S3基于AdaBoost算法训练数据集得到串谋行为识别模型；

应用AdaBoost算法训练数据集，训练得到若干弱分类器，基于分类器的错误率分配权重参数，最后通过累加加权的方式将这些弱分类器组合成一个强分类器，得到串谋行为识别模型。

具体过程为：

初始对数据集中的每一个样本都赋予一个相同的权重，根据此样本训练出一个弱分类器，并由各个样本的初始串谋标签来计算该分类器的错误率，在下一次迭代训练时，根据上一次分类器的错误率，调整训练样本的权重，降低分类错误的样本权重，增大分类正确的样本权重，基于新的权重训练得到新的一个弱分类器。

当通过k次迭代或者训练错误率小于误差阈值e时，停止迭代，此时产生k个弱分类器，根据这些弱分类器的错误率，给每个分类器分配不同的权重，错误率高的分类器权重系数更低，错误率低的分类器权重系数更高，最后对k个弱分类器按照权重系数进行线性组合，构成一个训练效果更好的强分类器。

S4利用串谋行为识别模型对任意两个发电商之间进行串谋行为识别；

具体是将两个发电商的四个指标输入串谋识别模型中进行判断。

S5若它们通过串谋识别指标体系计算得到的数值出现异常，则串谋行为识别模型的结果会输出1，认为两个发电商之间存在串谋行为。

实施例2

一种电力市场中识别发电商串谋的系统，包括

采集数据模块：获取各发电商的报价曲线，所述报价曲线反映机组的报价电量与电价的关系；

建立串谋指标体系模块：将报价曲线进行分段，利用报价曲线数据构建串谋识别指标体系数据集；

训练串谋行为识别模型模块：基于AdaBoost算法训练数据集得到串谋行为识别模型；

识别模块：利用串谋行为识别模型对任意两个发电商之间进行串谋行为识别，得到识别结果。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。