System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电力系统的,设计一种考虑现货市场中发电企业滥用市场力的违规识别方法。
技术介绍
1、随着电力体制改革的稳步推进,现货市场成为改革的焦点。然而,根据统计,各省电力市场的竞争力仍然有所不足。市场竞争力的不足会导致大型企业拥有很大的市场力,随着现货市场的推进,越来越多的容量将在现货市场采用集中竞价的方式出清,而市场力将成为影响电价的重要因素,因而市场力能否得到有效的监测和控制将成为市场改革能否继续推进的重要条件。
2、目前针对市场力的措施主要有场前预防和场后补救两种。场前预防措施主要是对市场结构及申报电价的控制。对市场结构的控制最为典型的是三寡头测试法和赫芬达尔–赫尔希曼指数(herfindahl-hirschman index,hhi)。而对申报电价的控制各地区间略有不同,但基本都围绕在最高电价、最低电价及电价波动这三个方面开展分析。但这些预防措施都没有办法完全革除滥用市场力行为的出现,仍然需要有力的识别手段。目前的识别手段主要是场后的补救措施,如信息披露、违规举报、违规惩罚等。但依靠市场举报,肯定无法获知所有滥用市场力的成员且具有延时性,而现如今需要的是实时监测方法,能够在集中竞价中很快地得到所有具有滥用市场力嫌疑的名单。
技术实现思路
1、为此需要提供一种能够学习并处理电力企业相关指标,并输出是否有滥用市场力嫌疑的方法。
2、对此,专利技术人提供一种电力企业滥用市场力的评价方法,包括如下步骤:
3、s1、选取容量为n的训练样本集{(
4、s2、将所述训练样本集输入支持向量机模型,通过最优分类函数:
5、
6、对企业是否滥用市场力的结果进行输出,
7、式中,xi(i=1,2,…,n)表示所述训练样本集中用于评价市场力的评价指标,ai为拉格朗日乘值,b为偏置值。
8、本申请的一实施例中,所述支持向量机模型被配置为经过如下群智能优化算法优化:
9、n个企业的评价指标数据集x在支持向量机模型中被分配到d维空间内的位置为:
10、
11、适应度值fx可以表示为
12、
13、每次迭代后的评价指标数据集x的位置更新公式如下,
14、
15、
16、
17、其中,t表示当前迭代次数,xi,d表示第i个评价指标数据在第d维中的位置信息,a∈(0,1]的随机数,itermax表示最大迭代次数,q表示一个服从正态分布的随机数,l是一个元素全为1的d维行向量,r2∈[0,1],表示位置信息的预警值,st∈[0.5,1.0],表示位置信息的安全值;其中,xw为当前评价指标数据集中的最差位置,xbt则为当前评价指标数据集的最优位置。a表示其元素随机赋值为1或-1的1×d的矩阵,且a+=at(aat)-1;β为符合标准正态分布的随机数,k∈[-1,1]的均匀随机数,ε为一个较小的数防止分母为0,fi为第i个评价指标数据的适应度值,g为支持向量机的核函数,fg为核函数代入计算的最优分类函数,fw为最差位置的数组的适应度值。
18、本申请的一实施例中,所述支持向量机模型被配置为还经过如下群智能优化算法优化:
19、
20、
21、a+=at(aat)-1 (29)
22、
23、其中w为权值矢量,c为支持向量机的惩罚参数,w为自适应系数,满足w∈[w min,wmax],wmin为自适应系数的最小值,wmax为自适应系数的最大值;表示第k次迭代第i个评价指标数据在第j维中的位置信息,表示进行到第k次迭代时各数据的最佳位置。
24、本申请的一实施例中,w为自适应系数且满足:
25、
26、代表在进行到k次迭代时第i个评价指标数据的适应度值,和分别是最优值和最差值。
27、本申请的一实施例中,
28、还进行步骤,根据n个企业的评价指标数据集x的适应度值fx计算聚集度g;
29、
30、式中,δ和分别是是适应度值的方差和均值;
31、将g0预设为g的阙值,当满足k≤k和g>g0时,对进行处理如下:
32、
33、本申请的一实施例中,用于评价市场力的评价指标包括:
34、机组动态市场份额、必运行率、必运行份额、报价成本偏离值、报高价比例、报价相对比、报价波动程度、持留比率、勒那指数、高价中标率中的一种或几种;
35、其中,
36、所述机组动态市场份额用于评价某企业的发电机组所占的市场份额;
37、所述必运行率为某企业在某一时段必须发电的功率与其总电量的比率;
38、所述必运行份额为某企业在某一时段必须发电的市场份额与其总市场份额的比率;
39、所述报价成本偏离值用于评价某企业报价是否偏离其发电成本;
40、所述报高价比例用于评价某企业报价高于预设价格的次数占比;
41、所述报价相对比用于评价某企业的报价与整个市场报价的偏离程度;
42、所述报价波动程度用于评价某企业报价的投机程度;
43、所述持留比率为某企业申报电量与可发电量差额的占比;
44、所述勒纳指数用于评价某企业成交价格偏离市场边际生产成本的程度;
45、所述高价中标率用于反映某企业申报为高价且中标的电量与申报为高价的电量的比值。
46、本申请的一实施例中,所述报价相对比率:
47、
48、式中:qci为企业i的报价相对比;pi,s是企业i的第s段报价的申报电价;ri,s为企业i的第s段申报电量与该企业总申报电量的比值;m为报价段数;n为样本集中的企业总数。
49、本申请的一实施例中,所述勒纳指数
50、
51、式中:pi为企业i的成交电价;mc为市场边际成本。
52、一种可读存储介质,存储有计算机程序,所述计算机程序在被运行时可执行如上述的电力企业滥用市场力的评价方法。
53、一种计算机系统,包括处理单元及如上述的可读存储介质,所述处理单元用于执行所述可读存储介质中的计算机程序。
54、区别于现有技术,上述方案能够通过支持向量机将对应企业根据评价指标进行自动分类,得到其是否滥用市场力的输出结果,同时在输入多个企业的评价指标时也能够对多个企业同时进行分类,自动输出判定为滥用市场力的企业名单。可以用于进一步的人工筛分或用于下一步的计算机程序进行判别。
本文档来自技高网...【技术保护点】
1.一种电力企业滥用市场力的评价方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的电力企业滥用市场力的评价方法,其特征在于,所述支持向量机模型被配置为经过如下群智能优化算法优化:
3.根据权利要求2所述的电力企业滥用市场力的评价方法,其特征在于,所述支持向量机模型被配置为还经过如下群智能优化算法优化:
4.根据权利要求3所述的电力企业滥用市场力的评价方法,其特征在于,w为自适应系数且满足:
5.根据权利要求2所述的电力企业滥用市场力的评价方法,其特征在于,
6.根据权利要求1所述的电力企业滥用市场力的评价方法,其特征在于,用于评价市场力的评价指标包括:
7.根据权利要求6所述的电力企业滥用市场力的评价方法,其特征在于,所述报价相对比
8.根据权利要求6所述的电力企业滥用市场力的评价方法,其特征在于,所述勒纳指数
9.一种可读存储介质,存储有计算机程序,其特征在于,所述计算机程序在被运行时可执行如权利要求1-8任一项所述的电力企业滥用市场力的评价方法。
10.一种计算
...【技术特征摘要】
1.一种电力企业滥用市场力的评价方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的电力企业滥用市场力的评价方法,其特征在于,所述支持向量机模型被配置为经过如下群智能优化算法优化:
3.根据权利要求2所述的电力企业滥用市场力的评价方法,其特征在于,所述支持向量机模型被配置为还经过如下群智能优化算法优化:
4.根据权利要求3所述的电力企业滥用市场力的评价方法,其特征在于,w为自适应系数且满足:
5.根据权利要求2所述的电力企业滥用市场力的评价方法,其特征在于,
6.根据权利要求1所述的电...
【专利技术属性】
技术研发人员:李壮,王楷,师鹏,翟章良,朱超,康铎之,
申请(专利权)人:国网陕西省电力有限公司电力科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。