申请/专利权人：广东电力交易中心有限责任公司

申请日：2021-04-15

公开（公告）日：2024-03-26

公开（公告）号：CN113077165B

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06Q10/0639;G06Q50/06;G06F18/2431;G06N20/20

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2021.07.23#实质审查的生效;2021.07.06#公开

摘要：本发明涉及一种发电机组市场力滥用判别方法，包括步骤：1采集电力市场的市场整体信息、机组基本信息、机组市场交易信息和历史信用信息；2建立滥用市场力判别指标集合，基于随机森林算法对集合中的各指标进行特征筛选，确定滥用市场力判别模型采用的指标；3基于孤立森林算法建立针对发电机组滥用市场力风险的判别模型，判别发电机组滥用市场力，获取滥用市场力潜在风险机组集合；4利用专家系统获取市场力风险逻辑推演模型，对滥用市场力潜在风险机组进行跟踪；5将判定为滥用市场力的机组生成异常标签样本输入数据系统。与现有技术相比，本发明具有提高判别准确性、简化处理难度等优点。

主权项：1.一种发电机组市场力滥用判别方法，其特征在于，包括下列步骤：1通过电力市场运营数据支持系统采集电力市场相关的市场整体信息、机组基本信息、机组市场交易信息和历史信用信息，并将采集的信息建立数据库；2根据步骤1获取的数据，建立滥用市场力判别指标集合，基于随机森林算法对滥用市场力判别指标集合中的各指标进行特征筛选，依据返回特征的重要性排序，确定滥用市场力判别模型采用的指标；3基于孤立森林算法建立针对发电机组滥用市场力风险的判别模型，对参与市场的发电机组滥用市场力进行判别，获取滥用市场力潜在风险机组集合；4利用专家系统获取市场力风险逻辑推演模型，对滥用市场力潜在风险机组集合进行跟踪，判定滥用市场力风险机组；5将判定为滥用市场力的机组生成异常标签样本输入数据系统，实现数据的闭环管理；所述市场整体信息包括市场交易实施规则、市场报价限制规则、输配电价、相关法律法规和各产业用电需求量；所述机组基本信息包括所属集团信息、发电企业装机容量、发电机组类型和发电设备利用小时数；所述机组市场交易信息包括机组申报信息、机组交易结果信息、市场运行信息、交易结算信息、市场管理信息和运营总结信息；所述历史信用信息包括历史信用情况、交易合同签订及履约情况、机组违规记录和处罚记录；所述滥用市场力判别指标集合包括机组地位类指标、报价行为类指标和中标结果类指标；所述机组地位类指标包括机组市场份额、关键供应商指数；所述报价行为类指标包括机组平均报价、机组量价指数；所述中标结果类指标包括机组中标率、机组高价中标率；基于随机森林算法对滥用市场力判别指标集合中的各指标进行特征筛选的具体内容为：对滥用市场力判别指标集合中的各指标计算其在随机森林中所作贡献，并对各贡献值取平均值，比较各指标之间的贡献值大小，获得各指标的重要性评分，根据指标的重要性评分排序筛选指标；步骤3的具体流程包括：31利用电力交易数据作为训练数据集，基于滥用市场力判别指标集合对电力交易数据进行预处理，获取每台机组在六个指标维度的计算结果，将每台机组的所有指标结果组成一个向量后，根据构建iTree步骤进行训练，构建由iTree组成的孤立森林；32将每台机组遍历每一棵iTree，计算其在孤立森林中的平均高度，得到每台机组的异常分值，根据异常分值判该机组是否属于异常机组，完成对滥用市场力发电机组的判别；步骤31中，构建iTree的具体步骤包括：311首先对电力交易数据训练样本集xi＝xi1,xi2,…,xim进行数据预处理，从X中随机选择个样本点作为训练子样本集合X′，放入iTree的根节点；312随机从滥用市场力判别指标集合D＝{d,d2,…,dm}中选择一个指标dj作为一个切割维度，在此维度上随机产生一个切割点o，该切割点介于当前节点在此维度上数据中的最大值和最小值之间；313以所述切割点o生成一个切割面，对数据样本进行划分，经在该维度上小于o的样本点归入当前节点的左分支，将大于或等于o的样本点归入当前节点的右分支；314依据各个指标维度递归步骤312和313，不断切割数据空间，直至满足以下条件：a所有的子节点中只有一个样本点，无法再继续切割；biTree的高度达到限定高度步骤32的具体内容为：对于一个机组，在评估过程中遍历iForest中所有的iTree，查询其在每个iTree的节点位置，计算机组在iForest中的平均深度，并对所有样本点在iForest的平均深度进行归一化；每台机组在iTree上所处的深度为该机组从iTree的根节点开始，穿过iTree中间节点，沿各个分支往下走，直至到达叶子节点，在此过程中经过的路径长度，用hi表示；计算每台机组的平均深度，获取一个0到1的数值，该数值即为该机组的异常分值，若异常分值越接近1，则判断机组滥用市场力的可能性越大，若异常分值越接近0，则判断机组滥用市场力的可能性越小，若多数样本的异常分值都接近0.5，则判断整个电力市场都没有明显滥用市场力的异常机组；步骤4中，利用专家系统获取的市场力风险逻辑推演模型包括数据采集模块、专家知识库及推理机，所述数据采集模块从所述电力市场运营数据支持系统采集信息；所述专家知识库包括基于外在表现的正向推理规则、基于内在机理的反向推理规则、基于风险判别的推理规则和基于历史信用的推理规则；所述推理机根据专家知识库中的各推理规则对发电机组的行为进行处理，当某发电机组的推理值超过专家系统设定的风险阈值时，则判定该发电机组动滥用了市场力风险机组；步骤5的具体内容为：综合考虑步骤2～4对市场力风险的监测、判别及跟踪的结果，对不同程度的市场力风险进行相应级别的预警，并制定不同预警级别下的应对机制，生成风险处置建议，并将滥用市场力风险机组作为异常样本输入步骤1的数据库，实现滥用市场力风险判别模型的闭环管理。

全文数据：

权利要求：

百度查询： 广东电力交易中心有限责任公司 一种发电机组市场力滥用判别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD