基于柔性监管策略的售电公司履约风险识别方法和设备技术

本发明专利技术涉及基于柔性监管策略的售电公司履约风险识别方法和设备，包括如下步骤：获取电力市场交易数据及售电公司运行数据，计算履约异常识别指标；根据履约异常识别指标，采用履约风险识别算法，获取各个主体的主体异常分值；根据柔性监管策略确定履约异常识别阈值，根据履约异常识别阈值以及主体异常分值，识别异常主体。履约风险识别算法包括如下步骤：针对每一个所述履约异常识别指标，根据对应的类型标签选择预设的经验累积分布函数，分别计算各个所述履约异常识别指标的Copula异常分值；根据所述Copula异常分值，获取所述主体异常分值。与现有技术相比，本发明专利技术具有灵活性与可解释性以及一定的针对性。释性以及一定的针对性。释性以及一定的针对性。

【技术实现步骤摘要】
基于柔性监管策略的售电公司履约风险识别方法和设备


[0001]本专利技术涉及电力市场运行和优化
，尤其是涉及基于柔性监管策略的售电公司履约风险识别方法和设备。

技术介绍

[0002]伴随着电力现货市场的推进，电力市场交易情况越来越复杂，电力市场运营面临着多种市场风险问题，尤其是履约风险问题，已经成为威胁当前电力市场平稳有序运营的主要风险之一。电力市场试运营过程暴露出了市场主体的潜在履约风险，这反映了现有电力市场履约风险防控机制的不足和薄弱环节，这些问题已经对电力市场建设带来隐患和危害。因此，为了防范违约行为的发生，有必要加强对电力市场履约风险的识别与评估，并对履约担保机制及其配套制度进行研究，推进电力市场履约风险防控体系建设。
[0003]目前，有关电力市场风险的评价方法多为综合评价方法和基于数据驱动或统计学的智能算法。
[0004]中国专利申请号CN201911157779.7公开了一种基于机器学习的中长期电力市场风险评估方法，收集电力市场风险相关数据、系统运行约束条件数据、报价数据；根据获取的数据，建立中长期电力市场风险评估指标体系，对中长期电力市场中出现典型风险事件的危害程度进行定量分析，根据总危害量的大小进行划分；使用德尔菲法对获得的数据进行数据评估，获得中长期电力市场风险评估数据；基于机器学习进行中长期电力市场风险进行评估，建立针对中长期电力市场风险的通用综合评估模型，根据已有的市场风险评估数据进行学习建立学习机；反馈建立的中长期市场风险评估学习机计算结果，对中长期市场风险进行评估。<br/>[0005]该专利依赖较多的数据集作为训练集进行训练从而进行风险评估。然而，履约风险有其复杂的特性与成因，市场建设初期也没有较多的数据量来作为训练集，并且识别方法需要具有灵活性与一定的可解释性，以适应电力市场建设初期经验不足，监管力度与异常筛选的程度难以把握的难点。综合评价法相对主观，同时应用一种识别方法或算法相对单一，不具有实用性。
[0006]在新型电力市场建设过程中，市场主体结构的变化将导致利益调整和市场竞争的加剧，由此带来电力市场主体履约风险问题不断加剧。因此，加强对异常市场主体的识别与电力市场履约担保机制的研究具有十分重要意义。
[0007]因此，为了防范违约行为的发生，有必要提出一种基于智能算法的售电公司履约风险识别方法，推进电力市场履约风险防控体系建设。

技术实现思路

[0008]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供基于柔性监管策略的售电公司履约风险识别方法，提高风险识别的针对性的同时，能够根据市场环境变化调整识别力度与精度。
[0009]本专利技术的目的可以通过以下技术方案来实现：
[0010]本专利技术的一个方面，提供了基于柔性监管策略的售电公司履约风险识别方法，包括如下步骤：
[0011]获取电力市场交易数据及售电公司运行数据，计算履约异常识别指标；
[0012]根据所述履约异常识别指标，采用履约风险识别算法，获取各个主体的主体异常分值；
[0013]根据预设的柔性监管策略确定履约异常识别阈值，根据所述履约异常识别阈值以及所述主体异常分值，识别异常主体。
[0014]作为优选的技术方案，所述的履约异常识别指标包括短期偿债能力、长期偿债能力、售电价格偏差、营收能力、历史市场信用评价等级指数、担保金比率、代理用户履约综合指数、负荷预测偏差率、电费金额延迟率、合同履约偏差率中的一个或多个。
[0015]作为优选的技术方案，所述的历史市场信用评价等级指数采用下式计算：
[0016][0017]式中，Q
i
为历史信用等级得分，a
i
为递增的权重。
[0018]作为优选的技术方案，所述的履约风险识别算法包括如下步骤：
[0019]确定所述履约异常识别指标的类型标签；
[0020]针对样本数据集，根据所述类型标签分别建立对应的经验累积分布函数；
[0021]按照所述类型标签对应的所述的经验累积分布函数，分别计算各个所述履约异常识别指标的Copula异常分值；
[0022]根据所述Copula异常分值，获取所述主体异常分值。
[0023]作为优选的技术方案，通过对各个所述履约异常识别指标对应的Copula异常分值分配指标权重，获取所述主体异常分值，其中，所述指标权重根据所述柔性监管策略确定。
[0024]作为优选的技术方案，所述的类型标签根据指标对履约风险的影响设置，所述类型标签包括单侧左向指标、单侧右向指标以及双侧区间型指标。
[0025]作为优选的技术方案，所述的经验累积分布函数根据所述类型标签的不同分为单侧左向指标的经验累计分布函数、单侧右向指标的经验累计分布函数以及基于中位数的偏度修正的双侧异常监测指标的经验累计分布函数。
[0026]作为优选的技术方案，所述的经验累积分布函数的获取过程包括如下步骤：
[0027]确定所述履约异常识别指标的所述类型标签；
[0028]根据所述类型标签分别建立对应的经验累积分布函数。
[0029]作为优选的技术方案，所述的柔性监管策略根据履约风险识别有效性进行确定。
[0030]本专利技术的另一个方面，提供了一种电子设备，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行上述基于柔性监管策略的售电公司履约风险识别方法的指令。
[0031]与现有技术相比，本专利技术具有以下优点：
[0032](1)采用履约风险识别算法，获取各个市场主体异常分值，本专利技术提供了履约风险识别算法，相较于机器学习方法，本方法无需预先进行大量的训练，能够适应市场建设初期数据集不足、市场监管或管理经验不足的情景。
[0033](2)依据数据特征和履约风险识别的特点确定每个履约异常识别指标的类型，采用对应的分布函数计算相应的尾端概率，将多维指标的边缘累积分布整合为每个样本的综合异常分值，该方法提供了可靠的灵活性和可解释性，为履约风险的柔性监管策略提供了有效依据。
[0034](3)根据履约风险的识别成效及时改变指标权重，实现对影响大、危害大的风险因素重点关注，提高风险识别的针对性。可以根据宏观经济与电力市场整体环境的改变，在不同的风险偏好下，及时调整履约风险识别的力度与精度。
[0035](4)针对不同因素导致的履约风险，根据其性质恶劣程度和危害影响程度不同，采取柔性化的监管策略，提高风险识别结果应用的有效性。从而能够明确异常市场主体的产生源自哪些风险问题，不断积累经验，提高今后履约风险监管的准确度。
附图说明
[0036]图1为实施例1中基于柔性监管策略的售电公司履约风险识别方法的流程图；
[0037]图2为实施例1中各履约异常识别指标的经验累积分布函数；
[0038]图3为实施例1中各履约异常识别指标对应的Copula异常分值示意图；
[0039]图4为实施例1中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于柔性监管策略的售电公司履约风险识别方法，其特征在于，包括如下步骤：获取电力市场交易数据及售电公司运行数据，计算履约异常识别指标；根据所述履约异常识别指标，采用履约风险识别算法，获取各个主体的主体异常分值；根据预设的柔性监管策略确定履约异常识别阈值，根据所述履约异常识别阈值以及所述主体异常分值，识别异常主体。2.根据权利要求1所述的基于柔性监管策略的售电公司履约风险识别方法，其特征在于，所述的履约异常识别指标包括短期偿债能力、长期偿债能力、售电价格偏差、营收能力、历史市场信用评价等级指数、担保金比率、代理用户履约综合指数、负荷预测偏差率、电费金额延迟率、合同履约偏差率中的一个或多个。3.根据权利要求2所述的基于柔性监管策略的售电公司履约风险识别方法，其特征在于，所述的历史市场信用评价等级指数采用下式计算：式中，Q
i
为历史信用等级得分，a
i
为递增的权重。4.根据权利要求1所述的基于柔性监管策略的售电公司履约风险识别方法，其特征在于，所述的履约风险识别算法包括如下步骤：针对每一个所述履约异常识别指标，根据对应的类型标签选择预设的经验累积分布函数，分别计算各个所述履约异常识别指标的Copula异常分值；根据所述Copula异常分值，获取所述主体异常分值。5.根据权利要求4所述的基于柔性监管策略的售电公司履约...

【专利技术属性】
技术研发人员：田琳，郑伟，黄远明，林少华，曾智健，盛剑胜，孔淑琴，
申请(专利权)人：广东电力交易中心有限责任公司，
类型：发明
国别省市：