一种售电商智能代理投标方法及装置制造方法及图纸

本发明专利技术涉及一种售电商智能代理投标方法及装置，所述方法包括：S1.根据竞价策略集合中各竞价策略的选择概率选择竞价策略；S2.根据被选择竞价策略对应的竞价收益和未被选择竞价策略的倾向系数更新各竞价策略的选择概率；S3.根据更新后各竞价策略的选择概率获取最优竞价策略。本发明专利技术提供的技术方案，能够反映集中竞价交易中不同类型售电公司的决策行为，反映不同类型售电商的报价决策行为，进一步体现了真实市场中不同售电商的决策偏好。

【技术实现步骤摘要】
一种售电商智能代理投标方法及装置
本专利技术涉及电力市场领域，具体涉及一种售电商智能代理投标方法及装置。
技术介绍
随着电力市场改革的推进，在发电侧竞争的基础上，售电侧竞争也在逐步放开，大量售电公司相继参与到市场中。作为新的市场主体，售电公司的投标竞价行为对整个电力市场的风险管理、市场模式设计、交易规则制订等提出了一些新的挑战，未来还将更为显著。开展电力市场仿真研究，首先需要解决的就是如何有效地模拟市场中售电商复杂的报价决策行为，建立售电商代理报价决策模型，体现售电商竞价行为对于市场运营过程的影响作用。近年来，基于代理的建模技术被主要集中在发电侧市场成员的竞价行为仿真研究，通过将市场成员建模为具有一定学习决策能力的计算机智能代理，针对特定市场，根据市场规则构建市场成员竞价决策仿真模型，通过仿真实验，评估市场运行状态，检验市场规则的合理性。相比而言，售电侧市场成员的竞价行为代理决策研究较少，主要基于某种特定的市场模式研究基于预测电价和蒙特卡罗随机优化方法的竞价决策方法，存在大量的假设前提，且对于市场成员竞价目标、市场模式等因素变化的适应性不强。
技术实现思路
针对现有技术的不足，本专利技术的目的是为了描述真实市场中差异化目标的售电商投标行为，本专利技术提供了一种售电商智能代理投标方法及装置，能够反映集中竞价交易中不同类型售电公司的决策行为，反映不同类型售电商的报价决策行为，并且尽可能的模拟实际市场。本专利技术的目的是采用下述技术方案实现的：一种售电商智能代理投标方法，其改进之处在于，所述方法包括：S1.根据竞价策略集合中各竞价策略的选择概率选择竞价策略；S2.根据被选择竞价策略对应的竞价收益和未被选择竞价策略的倾向系数更新各竞价策略的选择概率；S3.根据更新后各竞价策略的选择概率获取最优竞价策略。优选的，所述步骤S1中，竞价策略集合中各竞价策略的初始选择概率，按下式确定：上式中，p1(s)为竞价策略集合中第s个竞价策略的初始选择概率，s∈[1,M]，M为竞价策略总数。优选的，所述步骤S1，包括：根据所述竞价策略集合中各竞价策略的选择概率，利用轮盘赌算法从竞价策略集合中选择竞价策略。优选的，所述步骤S2，包括：根据被选择竞价策略对应的售电商运营目标值确定所述竞价策略对应的竞价收益；根据所述竞价收益更新被选择竞价策略的倾向系数；根据未被选择竞价策略的遗忘因子更新未被选择竞价策略的倾向系数；根据各竞价策略的倾向系数更新相应竞价策略的选择概率。进一步的，所述根据被选择竞价策略对应的售电商运营目标值确定所述竞价策略对应的竞价收益，包括：按下式确定根据被选择竞价策略对应的售电商运营目标确定所述竞价策略对应的竞价收益：上式中，R为所述竞价策略对应的竞价收益，αn为所述被选择竞价策略对应的售电商第n运营目标值，θn为所述被选择竞价策略对应的售电商第n运营目标值的权重，βn为所述被选择竞价策略对应的售电商第n运营目标值的转换系数，n∈[1,9]。具体的，按下式确定所述竞价策略对应的售电商第一运营目标值α1：α1＝max[(psell*qsell)-(pclear*qclear)]按下式确定所述竞价策略对应的售电商的第二运营目标值α2：α2＝max[qload*(pset-pclear)]按下式确定所述竞价策略对应的售电商的第三运营目标值α3：α3＝max(qclear*pclear)按下式确定所述竞价策略对应的售电商的第四运营目标值α4：α4＝max[(qsell*psell)-Δpenalty]按下式确定所述竞价策略对应的售电商的第五运营目标值α5：α5＝max[(qsell*psell)-Δpenalty']按下式确定所述竞价策略对应的售电商的第六运营目标值α6：α6＝maxqclear按下式确定所述竞价策略对应的售电商的第七运营目标值α7：α7＝max(qclear-Δpenalty)按下式确定所述竞价策略对应的售电商的第八运营目标值α8：α8＝max(qclear-Δpenalty')按下式确定所述竞价策略对应的售电商的第九运营目标值α9：α9＝max(qclear-qclear')上式中，psell和qsell分别为售电商与其用户签订的售电合同的价格与电量，pclear为所述竞价策略对应的出清价格，qclear为所述竞价策略对应的中标电量，pset为目录电价，qload为负荷预测电量，Δpenalty为实际亏本超过能接受的亏本金额时的惩罚项，Δpenalty'为未能保证基本盈利的条件时的惩罚项，qclear'为竞争对手的成交电量；其中，按下式确定实际亏本超过能接受的亏本金额时的惩罚项Δpenalty：按下式确定未能保证基本盈利的条件时的惩罚项Δpenalty'：上式中，δpenalty是惩罚因子，πloss为能接受的亏本金额。进一步的，所述根据所述竞价收益更新被选择竞价策略的倾向系数，包括：按下式更新被选择竞价策略的倾向系数：qt+1(m)＝(1-r)qt(m)+(1-e)R上式中，qt+1(m)为第t+1次迭代竞价策略集合中被选择竞价策略的倾向系数，r为遗忘因子，e为经验参数，qt(m)为第t次迭代竞价策略集合中第m个竞价策略的倾向系数，t∈[1,T]，T为迭代总次数，m∈[1,M]，M为竞价策略总数。进一步的，所述根据未被选择竞价策略的遗忘因子更新未被选择竞价策略的倾向系数，包括：按下式更新未被选择竞价策略的倾向系数：上式中，x∈[1,M]且x≠m，m∈[1,M]，M为竞价策略总数，m为被选择的竞价策略，x为未被选择的竞价策略，；qt+1(x)为第t+1次迭代竞价策略集合中第x个竞价策略的倾向系数，qt(x)为第t次迭代竞价策略集合中第x个竞价策略的倾向系数。进一步的，所述根据各竞价策略的倾向系数更新相应竞价策略的选择概率，包括：按下式确定第t+1次迭代竞价策略集合中第s个竞价策略的选择概率pt+1(s)：上式中，s∈[1,M]，M为竞价策略总数；qt+1(s)为第t+1次迭代竞价策略集合中第s个竞价策略的倾向系数，c为冷却系数；其中，按下式确定冷却系数c：上式中，qt(s)为第t次迭代竞价策略集合中第m个竞价策略的倾向系数，ε为大于0的实数。优选的，所述步骤S3，包括：若所述竞价策略集合中存在竞价策略的选择概率大于0.99，则该竞价策略为最优竞价策略；否则，返回所述步骤S1。一种售电商智能代理投标装置，其改进之处在于，所述装置包括：选择单元，用于根据竞价策略集合中各竞价策略的选择概率选择竞价策略；更新单元，用于根据被选择竞价策略对应的竞价收益和未被选择竞价策略的倾向系数更新各竞价策略的选择概率；获取单元，用于根据更新后各竞价策略的选择概率获取最优竞价策略。与最接近的现有技术相比，本专利技术具有的有益效果：本专利技术提供的技术方案，通过根据竞价策略集合中各竞价策略的选择概率选择竞价策略，根据被选择竞价策略对应的竞价收益和未被选择竞价策略的倾向系数更新各竞价策略的选择概率，根据更新后各竞价策略的选择概率获取最优竞价策略，能够反映集中竞价交易中不同类型售电公司的决策行为，反映不同类型售电商的报价决策行为，进一步体现了真实市场中不同售电商的决策偏好。附图说明图1是本专利技术实施例中一种售电商智能代理投标方法的流程图；图2是本专利技术实本文档来自技高网...

【技术保护点】
1.一种售电商智能代理投标方法，其特征在于，所述方法包括：S1.根据竞价策略集合中各竞价策略的选择概率选择竞价策略；S2.根据被选择竞价策略对应的竞价收益和未被选择竞价策略的倾向系数更新各竞价策略的选择概率；S3.根据更新后各竞价策略的选择概率获取最优竞价策略。

【技术特征摘要】
1.一种售电商智能代理投标方法，其特征在于，所述方法包括：S1.根据竞价策略集合中各竞价策略的选择概率选择竞价策略；S2.根据被选择竞价策略对应的竞价收益和未被选择竞价策略的倾向系数更新各竞价策略的选择概率；S3.根据更新后各竞价策略的选择概率获取最优竞价策略。2.如权利要求1所述的方法，其特征在于，所述步骤S1中，竞价策略集合中各竞价策略的初始选择概率，按下式确定：上式中，p1(s)为竞价策略集合中第s个竞价策略的初始选择概率，s∈[1,M]，M为竞价策略总数。3.如权利要求1所述的方法，其特征在于，所述步骤S1，包括：根据所述竞价策略集合中各竞价策略的选择概率，利用轮盘赌算法从竞价策略集合中选择竞价策略。4.如权利要求1所述的方法，其特征在于，所述步骤S2，包括：根据被选择竞价策略对应的售电商运营目标值确定所述被选择竞价策略的竞价收益；根据所述被选择竞价策略的竞价收益更新被选择竞价策略的倾向系数；根据未被选择竞价策略的遗忘因子更新未被选择竞价策略的倾向系数；根据各竞价策略的倾向系数更新相应竞价策略的选择概率。5.如权利要求4所述的方法，其特征在于，所述根据被选择竞价策略对应的售电商运营目标值确定所述竞价策略对应的竞价收益，包括：根据被选择竞价策略对应的售电商运营目标，按下式确定所述被选择竞价策略对应的竞价收益：上式中，R为所述竞价策略对应的竞价收益，αn为所述被选择竞价策略对应的售电商第n运营目标值，θn为所述被选择竞价策略对应的售电商第n运营目标值的权重，βn为所述被选择竞价策略对应的售电商第n运营目标值的转换系数，n∈[1,9]。6.如权利要求5所述的方法，其特征在于，按下式确定所述竞价策略对应的售电商第一运营目标值α1：α1＝max[(psell*qsell)-(pclear*qclear)]按下式确定所述竞价策略对应的售电商的第二运营目标值α2：α2＝max[qload*(pset-pclear)]按下式确定所述竞价策略对应的售电商的第三运营目标值α3：α3＝max(qclear*pclear)按下式确定所述竞价策略对应的售电商的第四运营目标值α4：α4＝max[(qsell*psell)-Δpenalty]按下式确定所述竞价策略对应的售电商的第五运营目标值α5：α5＝max[(qsell*psell)-Δpenalty']按下式确定所述竞价策略对应的售电商的第六运营目标值α6：α6＝maxqclear按下式确定所述竞价策略对应的售电商的第七运营目标值α7：α7＝max(qclear-Δpenalty)按下式确定所述竞价策略对应的售电商的第八运营目标值α8：α8＝max(qclear-Δpenalty')按下式确定所述竞价策略对应的售电商的第九运营...

【专利技术属性】
技术研发人员：王高琴，张鹏程，魏路平，肖艳炜，王颖，张凯锋，郑亚先，史新红，朱炳铨，郭艳敏，邵平，程海花，龙苏岩，陈爱林，徐骏，吕建虎，叶飞，曾丹，黄春波，杨辰星，冯凯，
申请(专利权)人：中国电力科学研究院有限公司，东南大学，国网浙江省电力有限公司，国网上海市电力公司，
类型：发明
国别省市：江苏,32