基於馬爾科夫鏈的發電側競價決策信息獲取及處理方法

2023-05-31 20:26:31

專利名稱：基於馬爾科夫鏈的發電側競價決策信息獲取及處理方法
技術領域：
本發明是一種應用於電力行業的信息採集和處理方法，屬於信息(信號)軟測量和處理的技術領域。
背景技術：
電力市場研究分類如圖1所示。電能報價需要基於大量企業自身成本、生產信息，以及當前電力市場信息。發電側的研究目標則是如何從電力市場獲取信息並用於報價決策。
基於預測邊際電價的決策是最早出現的電力市場發電側決策方法，也是目前最常用的決策方法。所以關於邊際電價研究的文獻也是電力市場研究中最為廣博的一類。通過查閱各類文獻並歸納整理，一般可將邊際電價的研究作如下分類(1)基於邊際電價自身的邊際電價預測；(2)基於多維輸入的邊際電價預測；(3)重構混沌相空間邊際電價預測。
基於邊際電價自身的邊際電價預測是最早出現的一種邊際電價預測方式，該方法僅根據邊際電價自身的歷史數據預測當前的邊際電價的一類方法。此類方法主要有時間序列預測方法[1]，到神經網絡方法[1，4]，模糊方法[11]，遺傳算法方法[12、13]，以及這些方法的交叉使用[2，3、13]。
基於多維輸入的邊際電價預測是對前一種方法的補充。可以採用的其它輸入有市場負荷需求，季節，環境溫度，節假日情況等等對電價有直接或間接影響的變量。
重構混沌相空間邊際電價預測是一種相對獨立的研究方法，目前也有不少關於該方法的文獻[5，6]。這類方法一般先對歷史邊際電價數據作Lyapunov指數分析，最大λ1(Lyapunov指數)大於零，其相空間吸引子的關聯維數是分數，則系統邊際電價具有混沌特性。然後進行電價吸引子的相空間重構，計算電價吸引子的分形維數，最後在嵌入相空間的基礎上進行邊際電價預測。
然而上述方法均基於市場過程分析，並沒有深入電力市場機理研究電價形成機制及波動內在因素，故未獲得反映電力市場最本質的信息。目前市場機理研究逐步深入，如電力市場內部狀態論的提出[7]，電力市場內企業行為的機理研究[8]，電力市場動態分析[9]，初步的電力市場穩定性研究[10]。本算法即在該技術背景下，從市場內部機理入手，分析市場過程逼近算法，並給出信息獲取算法。
電力市場中各競價者在市場中的優劣地位直接影響各企業的市場行為及市場均衡狀態。但是這些信息都是企業的商業機密，是不可能從電力市場過程中直接獲取的。電力市場均衡狀態需要電力市場過程遊走很多步(甚至無窮多步)才能到達。而在無法獲得競爭對手詳細信息的情況下，又很難基於電力市場模型解析計算出均衡狀態。可以看出，想要獲得市場均衡狀態以及市場競價者的優劣關係，僅通過電力市場過程的自由遊走是不可行的。如果能夠找到一種根據有限步遊走樣本而可以獲得電力市場均衡狀態的計算模型，將成功解決上述難題。
根據以上的論述，可以看出，僅僅使用直接從電力市場過程中的數據用於決策是不夠的。電力市場中各競價者在市場中的優劣地位直接影響各企業的市場行為及市場均衡狀態，但是這些信息都是企業的商業機密，是不可能從電力市場過程中直接獲取的。電力市場均衡狀態需要電力市場過程遊走多步(甚至無窮多步)才能到達，而在無法獲得競爭對手詳細信息的情況下，又很難基於電力市場模型解析計算均衡狀態。可以看出，想要獲得市場均衡狀態以及市場競價者的優劣關係，僅通過電力市場過程的自由遊走是不實際的。如果能夠找到一種從有限步遊走樣本可以獲得均衡狀態的計算模型，將成功解決上述難題。

發明內容
技術問題本發明的目的是提供一種基於馬爾科夫(Markov)鏈的發電側競價決策信息獲取及處理方法，該方法能通過有限步遊走樣本獲得電力市場均衡狀態，並提出信息獲取規則，基於市場均衡狀態和馬爾科夫鏈獲取市場優劣信息。
技術方案本發明的基於馬爾科夫鏈的發電側競價決策信息獲取及處理方法從有限的電力市場樣本，通過Markov鏈逼近電力市場過程，並獲取電力市場均衡狀態、市場優劣關係的市場特徵信息。
基於馬爾科夫鏈的發電側競價決策信息獲取及處理方法從有限的電力市場樣本，通過Markov鏈逼近電力市場過程，並獲取電力市場均衡狀態、市場優劣關係的市場特徵信息，信息獲取及處理方法為a.採集電力市場原始數據——市場自由遊走狀態下的市場分布數據，描述各競價時刻即各自由遊走步各發電企業獲得的電量，對應符號表內對應符號表中Qi[k]，歸一化處理則為各企業的市場份額，b.二維功率譜分析，得到滿足波動性要求的樣本子集；c.用Markov鏈逼近算法計算Markov鏈；d.基於獲取的Markov鏈，顯性表達信息，即根據信息獲取規則，獲取信息。
用Markov鏈逼近算法計算Markov鏈方法為a.建立Markov鏈概率轉移矩陣該矩陣獲取採用「Markov鏈逼近算法」；b.初始化；c.設置算法循環用I＝1，表示優劣指標的索引號Index＝1，對應數組為E[Index]，其數組內容表示企業的序號；d.如果Pii＝1，Pij＝0，表示企業進入吸引態，將企業I標示為優劣指標為Index E[Index]＝I；e.Index自加1，為下一個企業的評價準備；f.I自加1，為下一個企業的評價準備；g.M表示企業的數量，如果I＜＝M，表示還有企業待評價，進入下一企業的評價；h.如果I＞M，本次評價結束，吸引態企業的評價完畢，進入非吸引態企業的評價；j.設置I＝1，進入循環；k.計算 表示其它企業的市場份額流入企業i的概率；l.如果 次大，表示除已評價完的優勢企業外， 最大的企業，則將企業I標示為優劣指標為Index E[Index]＝I；m.Index自加1，為下一個企業的評價準備；n.I自加1，為下一個企業的評價準備；o.如果I＜＝M，表示還有企業待評價，進入下一企業的評價；p.如果I＞M，本次評價結束，所有企業的評價結束。
二維功率譜分析及樣本子集選取，流程為a.設置波動性閾值Py，該閾值的意義為待選取的樣本子集的波動性上限，若待選取的樣本子集二維功率譜大於閾值Py，則不滿足波動性，若待選取的樣本子集二維功率譜小於閾值Py，則滿足波動性；b.設置考察步數N，N表示樣本子集的容量；c.初始化；d.讀取樣本M，設其容量為M，該樣本數據為描述當前研究電力市場的自由遊走狀態下M步市場分布數據；
e.如果M＞N，表示該樣本容量大於待選取的樣本子集容量，進入濾波及樣本子集選擇流程，否則退出；f.設置I＝1，從樣本集第一個樣本開始考察，進入循環，校驗樣本子集的波動性；g.以I為起始，連續選取N個樣本作為待考察的樣本子集；h.根據式(4)定義的公式，計算樣本子集的二維功率譜P；j.若P＜Pmin，表明當前考察的樣本子集的波動性比已考察的樣本子集的波動性更小，將Pmin替換為本次二維功率譜P，索引號Imin＝I；k.若I＜＝(M-N)，表明樣本集內仍有未考察的樣本子集，I自加，繼續校驗；l.否則表明所有樣本子集均已考察，退出循環計算。比較Pmin與Py，若Pmin＜Py，表示樣本集存在滿足波動性要求的樣本子集。該樣本子集為索引號從Imin開始的N個樣本。
「基於Markov鏈的市場過程逼近」算法首先從有限電力市場樣本作譜分析，獲得滿足波動性的樣本子集，根據Markov鏈估計(最小二乘法)，可以獲得逼近該電力市場過程的Markov鏈。Markov鏈逐步演化則可收斂到表徵電力市場均衡狀態的平穩點。其過程如圖3所示。
實際電力市場過程逼近的Markov鏈包含了很多市場信息，其中有些信息很直觀，如電力市場的均衡狀態；也有一些信息並不直觀，需要設計一些額外的算法或者規則來獲取。本發明設計了兩條信息獲取規則從Markov鏈的概率轉移矩陣獲得企業成本優劣信息。該部分算法框圖如圖4所示。
「基於市場競價預構的決策算法」算法基於獲得的信息，預構電力市場競價過程，獲得邊際電價。該方法的框圖如圖5所示。需要說明的是，本文的發明的重點是提出一種為決策服務的信息獲取方法。在此基礎上，可以選擇多種決策方法。
Pij——概率轉移矩陣的元，表示從狀態i(i＝1，2，…，n)轉移到狀態j(j＝1，2，…，n)的概率Qi[k]——機組i(i＝1，2，…，n)在k(k＝1，2，…)時刻的發電量ΔQi[k，k+1]——機組i(i＝1，2，…，n)在k+1(k＝1，2，…)時刻的發電量(市場份額)增量λ--電能交易的市場清算電價(邊際電價)λ[k]——k(k＝1，2，…)時刻邊際電價λ0——均衡態下的邊際電價λ′——非均衡態下的邊際電價i——引起電價波動的因素i(i＝1，2，…，n)P(ωx，ωy)——二維功率譜Py——二維功率譜的閾值Pmin——樣本集內波動性最小的樣本子集的二維功率譜。
有益效果解決電力市場發電側市場特徵信息獲取問題電力市場發電側由發電企業組成，發電企業在電力市場過程中較難獲得市場信息，特別是市場特徵信息，這給企業發電報價帶來一個難題。而本文提出的基於馬爾科夫鏈的電力市場信息採集和處理方法從有限的電力市場樣本，通過Markov鏈逼近電力市場過程，並獲取電力市場均衡狀態、市場優劣關係等市場特徵信息。較好的解決了上述難題。
基於市場預構的邊際電價預測的理論優勢良好狀況下的電力市場應該運行在均衡狀態下，或是向均衡狀態有序地遊走。但是因為一些客觀因素，市場會呈現波動性，甚至會運行在遠離均衡態的其它狀態下。在這種狀態下，是不可以將按白箱競價方式下預構電力市場所獲得的電價作為邊際電價的。這就需要一種方法，可以建立起均衡態下邊際電價和非均衡態下邊際電價間的聯繫。
還是從狀態的角度看待這個問題，市場因為波動性而使得當前狀態下的邊際電價λ′偏離均衡態下邊際電價λ0，如果這種偏離本身具有規律性，則可以建立λ0到λ′的映射關係。
λ′＝f(λ0) (1)更進一步，如果能建立引起波動性的因素和電價偏離之間的函數關係，則可以擴展式(1)λ′＝f(λ0，1，2，…，n) (2)式中，i(i＝1，2，…，n)表示引起波動性的因素。
在實際物理過程中，如市場供需比、季節、溫度、非計劃停運等都是引起市場波動的因素。一些基於邊際電價歷史數據的預測方法也考慮了這些影響因素。這種預測方式可以表述為λ′[k+1]＝f(λ′
，1，2，…，n) (3)式中k+1表示下一時刻，λ′
表示邊際電價歷史數據。這之間建立的只是電價數據之間的自回歸，i(i＝1，2，…，n)只是起到修正作用。而式(2)中描述的是i(i＝1，2，…，n)到使得電價偏離均衡值λ0的內在物理映射關係。


圖1是電力市場研究分類的示意圖，圖2是Markov鏈的電力市場信息獲取及報價形成策略過程圖，圖3是基於Markov鏈的市場過程逼近算法框圖，圖4是信息獲取算法框圖，圖5是Markov鏈每步的各發電商的市場份額示意圖，圖6是二維功率譜濾波算法流程圖，圖7是概率轉移矩陣的元與市場狀態轉移示意圖。
具體實施例方式
本發明的基於馬爾科夫鏈的發電側競價決策信息獲取及處理方法從有限的電力市場樣本，通過Markov鏈逼近電力市場過程，並獲取電力市場均衡狀態、市場優劣關係的市場特徵信息。
信息獲取及處理方法為a.採集電力市場原始數據——市場自由遊走狀態下的市場分布數據，描述各競價時刻(各自由遊走步)各發電企業獲得的電量，對應符號表內對應符號表中Qi[k]，歸一化處理則為各企業的市場份額。該數據直接從電力市場(交易中心)獲取；b.二維功率譜分析，得到滿足波動性要求的樣本子集；c.用Markov鏈逼近算法計算Markov鏈；d.基於獲取的Markov鏈，顯性表達信息，即根據信息獲取規則，獲取信息。
電力市場數據平穩分析及譜分析方法電力市場過程中獲得的市場遊走原始數據帶有一定隨機性，通過二維功率譜分析，則可以選取滿足波動性要求的數據區間作為計算樣本。
二維功率譜濾波算法流程圖如圖6所示。圖6中，Py表示設置的波動性閾值，N表示欲選取的樣本子集容量，M表示樣本容量。經過二維功率譜計算，若存在區間波動性最小的區間(對應Pmin)小於閾值Py，則選用這段區間作為計算Markov鏈的樣本子集。
二維功率譜定義(為自相關函數的傅立葉變換)P(x,y)=y=-+x=-+R(x,y)e-j(xx+yy)]]>=y=-+x=-+z(x,y)z(x+x,y+y)e-j(xx+yy)---(4)]]>=|Z(x,y)|2]]>式中，在數字域|ωx｜≤π，|ωy｜≤π的傅立葉變換。Z(ωx，ωy)是z(x，y)的傅立葉變換。
二維功率譜分析及樣本子集選取流程為a.設置波動性閾值Py，該閾值的意義為待選取的樣本子集的波動性上限，若待選取的樣本子集二維功率譜大於閾值Py，則不滿足波動性，若待選取的樣本子集二維功率譜小於閾值Py，則滿足波動性；b.設置考察步數N，N表示樣本子集的容量；c.初始化；d.讀取樣本M，設其容量為M，該樣本數據為描述當前研究電力市場的自由遊走狀態下M步市場分布數據；e.如果M＞N，表示該樣本容量大於待選取的樣本子集容量，進入濾波及樣本子集選擇流程，否則退出；f.設置I＝1，從樣本集第一個樣本開始考察，進入循環，校驗樣本子集的波動性；g.以I為起始，連續選取N個樣本作為待考察的樣本子集；h.根據式(4)定義的公式，計算樣本子集的二維功率譜P；j.若P＜Pmin，表明當前考察的樣本子集的波動性比已考察的樣本子集的波動性更小，將Pmin替換為本次二維功率譜P，索引號Imin＝I；k.若I＜＝(M-N)，表明樣本集內仍有未考察的樣本子集，I自加，繼續校驗；l.否則表明所有樣本子集均已考察，退出循環計算。比較Pmin與Py，若Pmin＜Py，表示樣本集存在滿足波動性要求的樣本子集。該樣本子集為索引號從Imin開始的N個樣本。
Markov逼近算法在「電力市場數據平穩分析及譜分析算法」獲得的樣本子集的基礎上，基於最小二乘法計算。序列y表示樣本子集，最小二乘估計算法如下P^=Y-1M]]>式中，Y=X1X1,M=X1X2.]]>X1=y1(0)y2(0)ym(0)y1(1)y2(1)ym(1)y1(n-1)y2(n-1)ym(n-1)---(5)]]>X2=y1(1)y2(1)ym(1)y1(2)y2(2)ym(2)y1(n)y2(n)ym(n)---(6)]]>對應本文，式中yi(k)表示第i個發電企業第k步的市場份額，對應符號表中Qi[k]。
市場信息獲取算法逼近實際電力市場過程的Markov鏈反應了市場本質，包含市場本質信息，但是這些信息是抽象的或隱性表達的，所以提出信息獲取的規則，將信息顯性表達。計算流程如圖8所示。圖8中，將計算好的Markov鏈作為輸入，首先根據規則1獲取市場中進入吸引態的企業，並按序定其優劣指標；然後根據規則2，分析Markov鏈概率轉移矩陣的元，得出非吸引態企業的優劣指標。圖中Pij表示Markov鏈的元，E[Index]表示第Index個企業的優劣指標。
結合電量，可以進一步考察概率轉移矩陣的元與市場狀態轉移的關係，如圖7所示。圖中，Qi[k](i＝1，2，…，n；k＝0，1，2，…)表示發電商i在k時刻的市場份額。
定義ΔQi[k，k+1]＝Qi[k+1]-Qi[k]為發電商i在k+1時刻的市場份額增量。則有
Qi[k,k+1]=j=1npjiQj[k]-Qi[k]---(7)]]>因為Markov鏈的平穩狀態與初始狀態選取無關，假設初始狀態S0為一個各發電商市場份額相等的狀態(只討論其數學意義)，即Q1＝Q2＝…＝Qn。
則經過Markov鏈多步遊走後，總是 大的發電商的市場份額變大， 小的發電商的市場份額變小。這就說明，從pij可以看出市場流向， 大的發電商的優勢大，相應 小的發電商優勢小。
針對該轉移矩陣定義如下的規則[吸引態定義]對於競爭者i(i＝1，2，…，n)，若pii＝1，pij＝0(j＝1…n，j≠i)，則進入吸引態，對應物理狀態為競爭者i滿發。
進入吸引態的競爭者比矩陣中任何非吸引態的競爭者更優。
對於未進入吸引態的發電商之間的優劣關係，可以從轉移矩陣中的元獲得。對於競爭者j而言，pij(j＝1，2，…，n)的意義為競爭者i的市場分額流向競爭者j的概率， 大的競爭者優勢大。
信息獲取的具體流程為a.建立Markov鏈概率轉移矩陣該矩陣獲取採用「Markov鏈逼近算法」；b.初始化；c.設置算法循環用I＝1，表示優劣指標的索引號Index＝1，對應數組為E[Index]，其數組內容表示企業的序號；d.如果Pii＝1，Pij＝0，表示企業進入吸引態，將企業I的優劣指標標示為Index，對應E[Index]＝I；e.Index自加1，為下一個企業的評價準備；
f.I自加1，為下一個企業的評價準備；g.M表示企業的數量，如果I＜＝M，表示還有企業待評價，進入下一企業的評價；h.如果I＞M，本次評價結束，吸引態企業的評價完畢，進入非吸引態企業的評價；j.設置I＝1，進入循環；k.計算 表示其它企業的市場份額流入企業i的概率；l.如果 次大，表示除已評價完的優勢企業外， 最大的企業，則將企業I標示為優劣指標為Index E[Index]＝I；m.Index自加1，為下一個企業的評價準備；n.I自加1，為下一個企業的評價準備；o.如果I＜＝M，表示還有企業待評價，進入下一企業的評價；p.如果I＞M，本次評價結束，所有企業的評價結束。
權利要求
1.一種基於馬爾科夫鏈的發電側競價決策信息獲取及處理方法，其特徵在於從有限的電力市場樣本，通過Markov鏈逼近電力市場過程，並獲取電力市場均衡狀態、市場優劣關係的市場特徵信息，信息獲取及處理方法為a.採集電力市場原始數據——市場自由遊走狀態下的市場分布數據，描述各競價時刻即各自由遊走步各發電企業獲得的電量，對應符號表內對應符號表中Qi[k]，歸一化處理則為各企業的市場份額，b.二維功率譜分析，得到滿足波動性要求的樣本子集；c.用Markov鏈逼近算法計算Markov鏈；d.基於獲取的Markov鏈，顯性表達信息，即根據信息獲取規則，獲取信息。
2.根據權利要求1所述的基於馬爾科夫鏈的電力市場信息採集和處理方法，其特徵在於用Markov鏈逼近算法計算Markov鏈方法為a.建立Markov鏈概率轉移矩陣該矩陣獲取採用「Markov鏈逼近算法」；b.初始化；c.設置算法循環用I＝1，表示優劣指標的索引號Index＝1，對應數組為E[Index]，其數組內容表示企業的序號；d.如果Pii＝1，Pij＝0，表示企業進入吸引態，將企業I標示為優劣指標為Index E[Index]＝I；e.Index自加1，為下一個企業的評價準備；f.I自加1，為下一個企業的評價準備；g.M表示企業的數量，如果I＜＝M，表示還有企業待評價，進入下一企業的評價；h.如果I＞M，本次評價結束，吸引態企業的評價完畢，進入非吸引態企業的評價；j.設置I＝1，進入循環；k.計算∑j＝0mpij表示其它企業的市場份額流入企業i的概率；l.如果∑j＝0mpij次大，表示除已評價完的優勢企業外，∑j＝0mpij最大的企業，則將企業I標示為優劣指標為Index E[Index]＝I；m.Index自加1，為下一個企業的評價準備；n.I自加1，為下一個企業的評價準備；o.如果I＜＝M，表示還有企業待評價，進入下一企業的評價；p.如果I＞M，本次評價結束，所有企業的評價結束。
3.根據權利要求1所述的基於馬爾科夫鏈的電力市場信息採集和處理方法，其特徵在於二維功率譜分析及樣本子集選取，流程為a.設置波動性閾值Py，該閾值的意義為待選取的樣本子集的波動性上限，若待選取的樣本子集二維功率譜大於閾值Py，則不滿足波動性，若待選取的樣本子集二維功率譜小於閾值Py，則滿足波動性；b.設置考察步數N，N表示樣本子集的容量；c.初始化；d.讀取樣本M，設其容量為M，該樣本數據為描述當前研究電力市場的自由遊走狀態下M步市場分布數據；e.如果M＞N，表示該樣本容量大於待選取的樣本子集容量，進入濾波及樣本子集選擇流程，否則退出；f.設置I＝1，從樣本集第一個樣本開始考察，進入循環，校驗樣本子集的波動性；g.以I為起始，連續選取N個樣本作為待考察的樣本子集；h.根據式(4)定義的公式，計算樣本子集的二維功率譜P；j.若P＜Pmin，表明當前考察的樣本子集的波動性比已考察的樣本子集的波動性更小，將Pmin替換為本次二維功率譜P，索引號Imin＝I；k.若I＜＝(M-N)，表明樣本集內仍有未考察的樣本子集，I自加，繼續校驗；l.否則表明所有樣本子集均已考察，退出循環計算。比較Pmin與Py，若Pmin＜Py，表示樣本集存在滿足波動性要求的樣本子集。該樣本子集為索引號從Imin開始的N個樣本。
全文摘要
基於馬爾科夫鏈的發電側競價決策信息獲取及處理方法是一種應用於電力行業的信息採集和處理方法，該方法從有限的電力市場樣本，通過Markov鏈逼近電力市場過程，並獲取電力市場均衡狀態、市場優劣關係的市場特徵信息，信息獲取及處理方法為a.採集電力市場原始數據——市場自由遊走狀態下的市場分布數據，描述各競價時刻即各自由遊走步各發電企業獲得的電量，對應符號表內對應符號表中Q
文檔編號G06Q30/00GK1828656SQ20061003950
公開日2006年9月6日 申請日期2006年4月13日 優先權日2006年4月13日
發明者沈炯, 高揚 申請人:東南大學