电力现货市场报价模式分类方法、装置及存储介质与流程

本发明涉及大数据挖掘技术领域，特别涉及一种电力现货市场报价模式分类方法、装置及存储介质。

背景技术：

随着电改的逐步推进，电力现货市场建设逐步提上日程。现货市场开展频率较中长期交易大大提高，其次现货市场往往采用多段报价形式，市场成员自行确定各段报价的价格水平和申报段容量以体现其竞价策略。但市场成员潜在的市场力和逐利特性使得其更倾向于通过特定的报价行为来操纵价格。而部分本身市场份额较小的市场成员则往往会暗中结成同盟，通过串谋报价的行为来行使市场力。

由于现货市场中报价数据量太大和多段价格和容量报价的特性，以至于监控电力现货市场串谋报价行为的监控人员很难直接根据这些报价数据划分出各个机组的报价策略，以判断出各个机组之间报价数据是否具有关联性，导致串谋报价现象难以被及时发现。

技术实现要素：

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种电力现货市场报价模式分类方法、装置及存储介质，解决由于监控人员无法及时划分各个机组报价策略，使得串谋报价现象难以被及时发现的技术问题。

第一方面，本发明实施例提供一种电力现货市场报价模式分类方法，包括以下步骤：

s1：获取所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值；

s2：根据所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值，计算各机组报价模式的特征向量；

s3：根据预设规则选取a个机组并计算所述a个机组各自对应的报价模式的特征向量作为a个质心在第0轮时的值，所述a为不小于4的整数；

s4：计算所有机组各自对应的报价模式的特征向量到a个质心的距离，并根据所述距离将各机组划分到对应的报价模式集群中，以形成在第0轮时的a个报价模式集群；

s5：计算各报价模式集群中所有机组的报价模式的特征向量的均值分别作为各报价模式集群的质心在第m轮时的值，并根据所有机组各自对应的报价模式的特征向量到a个质心在第m轮时的距离，将各机组划分到对应的报价模式集群中，以形成a个在第m轮时的报价模式集群，所述m为正整数；

s6：根据各报价模式集群的质心在第m轮时与第m-1轮时的距离，计算出a个报价模式集群的质心偏移率，并以在第m轮时各报价模式集群的机组数量为权重，计算a个所述质心偏移率的加权平均值；

s7：当计算出的a个所述质心偏移率的加权平均值不大于预设的阈值时，则将在第m轮时的报价模式集群作为结果输出。

进一步，所述方法还包括：

当计算出的a个所述质心偏移率的加权平均值大于预设的阈值时，则令m＝m+1，并跳转至步骤s5。

进一步，所述根据预设规则选取a个机组，包括：

获取所有机组的申报容量，并按照申报容量对所有机组进行排序；

从排序后的机组中等间隔的选取出a个机组。

进一步，所有机组各段价格的加权平均值表示为并通过以下公式计算：

所有机组各段申报容量的加权平均值表示为并通过以下公式计算：

其中，电力现货市场中有n个机组，要求机组申报m段报价，机组i各段报价价格水平分别为pi,1,pi,2,…pi,m，机组i申报容量为ci，机组i各段申报容量为ci1,ci2,…cim；机组i各段申报容量占其总申报容量的百分比可按下式计算：

进一步，，所述计算各机组报价模式的特征向量，具体包括：

以为基准标幺化机组的各段报价；

构建机组i报价模式的价格特征值pv,i如下：

构建机组i报价模式的容量特征值cv,i如下：

机组i报价模式的特征向量

进一步，步骤s3具体包括：

统计所有机组的申报容量，并将申报容量从大到小排列，确定出申报容量排名第一、第25％、第75％以及排名最后的机组，令a＝4，以这4台机组报价模式的特征向量作为报价模式集群的4个质心在第0轮时的值，分别记作：

步骤s4具体包括：

利用以下公式计算所有机组各自对应的报价模式的特征向量到4个质心的距离si-f1，si-f2，si-f3，si-f4：

其中，机组报价模式和质心x的距离最小为si-fx，则该机组属于报价模式集群x，通过计算所有机组报价模式的特征向量和4个质心的距离,以得到在第0轮时的a个报价模式集群h⁰f1，h⁰f2，h⁰f3，h⁰f4。

进一步，步骤s5具体包括：

s51：计算单个报价模式集群中所有机组报价模式特征向量的均值，以均值点作为该报价模式集群的质心在第m轮时的值，计算方式如下：

其中，nhf1为该报价模式集群中机组的数目，据该公式计算出4个报价模式集群的质心在第m轮时的值；

s52：计算所有机组报价模式的特征向量到在第m轮时的4个新质心的距离，将各机组的报价模式归类到与其距离最近的质心所代表的报价模式集群中，以获得4个在第m轮时的报价模式集群h¹f1，h¹f2，h¹f3，h¹f4。

进一步，步骤s6具体包括：

步骤s61：假设在第m轮时质心对应坐标为h^m+1f,x＝(p^m+1v,f,x,c^m+1v,f,x)，在第m-1轮时质心坐标为h^mf,x＝(p^mv,f,x,c^mv,f,x)，其中x为4个报价集群的编号，计算报价模式集群x的质心偏移率如下：

步骤s62：计算4个质心偏移率的加权平均值d^m+1，权重为在第m轮时质心对应的报价模式集群的机组数量，假设各报价模式集群机组数量分别为n1，n2，n3，n4，则质心偏移率的加权平均值d^m+1计算公式如下：

第二方面本发明实施例提供一种电力现货市场报价模式分类装置，包括：

数据获取模块，用于获取所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值；

特征向量计算模块，用于根据所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值，计算各机组报价模式的特征向量；

第0轮质心计算模块，用于根据预设规则选取a个机组并计算所述a个机组各自对应的报价模式的特征向量作为a个质心在第0轮时的值，所述a为不小于4的整数；

第0轮报价模式集群计算模块，用于计算所有机组各自对应的报价模式的特征向量到a个质心的距离，并根据所述距离将各机组划分到对应的报价模式集群中，以形成在第0轮时的a个报价模式集群；

第m轮报价模式集群计算模块，用于计算各报价模式集群中所有机组的报价模式的特征向量的均值分别作为各报价模式集群的质心在第m轮时的值，并根据所有机组各自对应的报价模式的特征向量到a个质心在第m轮时的距离，将各机组划分到对应的报价模式集群中，以形成a个在第m轮时的报价模式集群，所述m为正整数；

输出结果获取模块，用于根据各报价模式集群的质心在第m轮时与第m-1轮时的距离，计算出a个报价模式集群的质心偏移率，并以在第m轮时各报价模式集群的机组数量为权重，计算a个所述质心偏移率的加权平均值；

输出模块，用于当计算出的a个所述质心偏移率的加权平均值不大于预设的阈值时，则将在第m轮时的报价模式集群作为结果输出。

第三方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时所述计算机的处理器控制所述计算机可读存储介质所在设备执行如本发明实施例第一方面所述的一种电力现货市场报价模式分类方法。

有益效果：上述的一种电力现货市场报价模式分类方法、装置及存储介质，所述方法包括以下步骤：s1：获取所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值；s2：根据所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值，计算各机组报价模式的特征向量；s3：根据预设规则选取a个机组并计算所述a个机组各自对应的报价模式的特征向量作为a个质心在第0轮时的值，所述a为不小于4的整数；s4：计算所有机组各自对应的报价模式的特征向量到a个质心的距离，并根据所述距离将各机组划分到对应的报价模式集群中，以形成在第0轮时的a个报价模式集群；s5：计算各报价模式集群中所有机组的报价模式的特征向量的均值分别作为各报价模式集群的质心在第m轮时的值，并根据所有机组各自对应的报价模式的特征向量到a个质心在第m轮时的距离，将各机组划分到对应的报价模式集群中，以形成a个在第m轮时的报价模式集群，所述m为正整数；s6：根据各报价模式集群的质心在第m轮时与第m-1轮时的距离，计算出a个报价模式集群的质心偏移率，并以在第m轮时各报价模式集群的机组数量为权重，计算a个所述质心偏移率的加权平均值；s7：当计算出的a个所述质心偏移率的加权平均值不大于预设的阈值时，则将在第m轮时的报价模式集群作为结果输出。一方面，本发明改进了一般串谋报价分析方法中仅考虑机组价格水平相似程度的缺点，将申报段容量的特点也作为分析报价相似性的考虑因素。并基于报价模式的价格特征和容量特征构建了反映市场成员报价模式的两维向量空间，能够通过报价模式向量点间的距离来反映其报价模式相似程度，从而提高区分同类报价模式的计算效率，有利于及时监测到现货市场中的串谋报价行为。另一方面，质心偏移率表明两轮次质心间的距离远近，若迭代后的距离越近，说明报价模式集群的分类越趋向于稳定，即报价模式分类结果更为可靠。若质心偏移率的加权平均值不大于预设的阈值，则认为最新的报价模式集群分类相对可靠，可以输出为串谋报价分析时的报价模式分类结果。因此，通过以上的技术方案可以大量的报价数据进行处理、分类，将当前电力现货市场各机组的报价策略合理的呈现给监控人员，便于监控人员对处于同一报价模式集群的各机组进行全方位的调查，从而容易判断出是否发生了串谋行为。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

下面结合附图和实施例对本发明进一步地说明；

图1为一个实施例中电力现货市场报价模式分类方法的流程图。

图2为一个实施例中电力现货市场报价模式分类装置的结构框图。

图3为一个实施例中计算机设备的结构框图。

具体实施方式

本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。

下面，将通过几个具体的实施例对本发明实施例提供的一种电力现货市场报价模式分类方法进行详细介绍和说明。

如图1所示，在一个实施例中，提供了一种电力现货市场报价模式分类方法。本实施例主要以该方法应用于计算机设备来举例说明。

参照图1，该电力现货市场报价模式分类方法具体包括如下步骤：

s1：获取所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值；

其中，所有机组各段价格的加权平均值表示为并通过以下公式计算：

所有机组各段申报容量的加权平均值表示为并通过以下公式计算：

其中，电力现货市场中有n个机组，要求机组申报m段报价，机组i各段报价价格水平分别为pi,1,pi,2,…pi,m，机组i申报容量为ci，机组i各段申报容量为ci,1,ci,2,…ci,m；机组i各段申报容量占其总申报容量的百分比可按下式计算：

s2：根据所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值，计算各机组报价模式的特征向量。

其中，所述计算各机组报价模式的特征向量，具体包括：

以为基准标幺化机组的各段报价；

构建机组i报价模式的价格特征值pv,i如下：

构建机组i报价模式的容量特征值cv,i如下：

机组i报价模式的特征向量

s3：根据预设规则选取a个机组并计算所述a个机组各自对应的报价模式的特征向量作为a个质心在第0轮时的值，所述a为不小于4的整数。

其中，所述根据预设规则选取a个机组，包括：

获取所有机组的申报容量，并按照申报容量对所有机组进行排序；

从排序后的机组中等间隔的选取出a个机组。

在一个实施例中，步骤s3具体包括：统计所有机组的申报容量，并将申报容量从大到小排列，确定出申报容量排名第一、第25％、第75％以及排名最后的机组，令a＝4，以这4台机组报价模式的特征向量作为报价模式集群的4个质心在第0轮时的值，分别记作：

s4：计算所有机组各自对应的报价模式的特征向量到a个质心的距离，并根据所述距离将各机组划分到对应的报价模式集群中，以形成在第0轮时的a个报价模式集群。

步骤s4具体包括：利用以下公式计算所有机组各自对应的报价模式的特征向量到4个质心的距离si-f1，si-f2，si-f3，si-f4：

其中，机组报价模式和质心x的距离最小为si-fx，则该机组属于报价模式集群x，通过计算所有机组报价模式的特征向量和4个质心的距离,以得到在第0轮时的a个报价模式集群h⁰f1，h⁰f2，h⁰f3，h⁰f4。

s5：计算各报价模式集群中所有机组的报价模式的特征向量的均值分别作为各报价模式集群的质心在第m轮时的值，并根据所有机组各自对应的报价模式的特征向量到a个质心在第m轮时的距离，将各机组划分到对应的报价模式集群中，以形成a个在第m轮时的报价模式集群，所述m为正整数。

步骤s5具体包括：

s51：计算单个报价模式集群中所有机组报价模式特征向量的均值，以均值点作为该报价模式集群的质心在第m轮时的值，计算方式如下：

其中，nhf1为该报价模式集群中机组的数目，据该公式计算出4个报价模式集群的质心在第m轮时的值；

s52：计算所有机组报价模式的特征向量到在第m轮时的4个新质心的距离，将各机组的报价模式归类到与其距离最近的质心所代表的报价模式集群中，以获得4个在第m轮时的报价模式集群h¹f1，h¹f2，h¹f3，h¹f4。

s6：根据各报价模式集群的质心在第m轮时与第m-1轮时的距离，计算出a个报价模式集群的质心偏移率，并以在第m轮时各报价模式集群的机组数量为权重，计算a个所述质心偏移率的加权平均值。

步骤s6具体包括：

步骤s61：假设在第m轮时质心对应坐标为h^m+1f,x＝(p^m+1v,f,x,c^m+1v,f,x)，在第m-1轮时质心坐标为h^mf,x＝(p^mv,f,x,c^mv,f,x)，其中x为4个报价集群的编号，计算报价模式集群x的质心偏移率如下：

步骤s62：计算4个质心偏移率的加权平均值d^m+1，权重为在第m轮时质心对应的报价模式集群的机组数量，假设各报价模式集群机组数量分别为n1，n2，n3，n4，则质心偏移率的加权平均值d^m+1计算公式如下：

质心偏移率表明两轮次质心间的距离远近，若迭代后的距离越近，说明报价模式集群的分类越趋向于稳定，即报价模式分类结果更为可靠。

s7：当计算出的a个所述质心偏移率的加权平均值不大于预设的阈值时，则将在第m轮时的报价模式集群作为结果输出。

具体的，若d^m+1≤0.1，则认为最新的报价模式集群分类相对可靠，可以输出为串谋报价分析时的报价模式分类结果。本发明实施例改进了一般串谋报价分析方法中仅考虑机组价格水平相似程度的缺点，将申报段容量的特点也作为分析报价相似性的考虑因素。并基于报价模式的价格特征和容量特征构建了反映市场成员报价模式的两维向量空间，能够通过报价模式向量点间的距离来反映其报价模式相似程度，从而提高区分同类报价模式的计算效率，有利于及时监测到现货市场中的串谋报价行为。

以下以一个具体的实施例来说明本发明实施例的一种电力现货市场报价模式分类方法。

1、计算电力现货市场中机组报价的特征向量

假设电力现货市场中有n个机组，要求机组申报m段报价，已知机组i各段报价价格水平分别为pi,1,pi,2,…pi,m，机组i申报容量为ci，机组i各段申报容量为ci,1,ci,2,…ci,m。

则机组i各段申报容量占其总申报容量的百分比可按下式计算：

以各机组申报段容量之比为权重计算所有机组各段价格的加权平均值计算公式如下：

同样以各机组申报段容量之比为权重计算所有机组各段申报段容量的加权平均值如下：

以为基准标幺化机组的各段报价：

则构建机组i报价模式的价格特征值pv,i如下：

构建机组i报价模式的容量特征值cv,i如下：

则机组i报价模式的特征向量即由机组报价模式构成的特征向量空间包括两个维度的坐标，一是价格特征值pv,i，二是容量特征值cv,i。

2、选定初始4个报价集群的质心

统计所有机组的申报容量，并将申报容量从大到小排列，确定出申报容量排名第一、第25％、第75％以及排名最后的机组，若存在机组申报容量相同的情况，则随机选中一台。以这四台机组报价模式的特征向量作为集群分类的初始质心。假设这四台机组报价模式特征向量分别为：0代表质心迭代轮次为0，即初始质心。

3、计算所有机组报价模式的特征向量到四个初始质心的距离，形成初始报价模式集群。计算方式如下：

和之间的距离

根据上式可得到机组报价模式和四个初始质心间的距离：si-f1，si-f2，si-f3，si-f4，若机组报价模式和质心x的距离最小为si-fx，则该机组属于报价模式集群x。通过计算所有机组报价模式和质心的距离从而得到初始报价模式集群h⁰f1，h⁰f2，h⁰f3，h⁰f4，初始报价模式集群也应包括初始质心对应的机组。

4、计算各报价模式集群的新质心：

计算单个报价模式集群中所有机组报价模式特征向量的均值，以均值点作为该报价模式集群的新质心，计算方式如下：

式中，nhf1为报价模式集群中机组的数目。据上式可计算出四个报价模式集群的新质心。

5、计算所有机组报价模式的特征向量到四个新质心的距离，形成新的报价模式集群。仍按照式(7)的方式计算，并仍将报价模式归类到与其距离最近的质心所代表的报价模式集群中，从而重新为所有机组划分新的报价模式集群h¹f1，h¹f2，h¹f3，h¹f4。

6、判断第4步中各个新质心和上一轮质心之间的距离。

假设新质心对应坐标为h^m+1f,x＝(p^m+1v,f,x,c^m+1v,f,x)，上一轮质心坐标为h^mf,x＝(p^mv,f,x,c^mv,f,x)，其中x为四个报价集群的编号，计算报价集群x的质心偏移率如下：

质心偏移率表明两轮次质心间的距离远近，若迭代后的距离越近，说明报价模式集群的分类越趋向于稳定，即报价模式分类结果更为可靠。

然后计算四个质心偏移率的加权平均值d^m+1，权重为新一轮质心对应的新报价集群的机组数量，假设各集群数量分别为n1，n2，n3，n4，计算公式如下：

若d^m+1≤0.1，则认为最新的报价模式集群分类相对可靠，可以输出为串谋报价分析时的报价模式分类结果。

但也可能存在多次迭代仍不能得到d^m+1≤0.1的情况，因此限制迭代次数上限为10次，在达到迭代次数上限时也输出最后一次迭代对应的报价模式分类结果。

7、若经过第6步判断并未输出报价模式分类结果，则重复第4步、第5步和第6步，根据第5步更新的报价模式集群计算得到新的质心，并基于新质心迭代得到新的报价模式集群。

若第6步输出同类报价集群的模式分类结果则完成全部计算。

如图2所示，本发明实施例还提供了一种电力现货市场报价模式分类装置，包括：

数据获取模块201，用于获取所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值；

特征向量计算模块202，用于根据所有机组各段价格的加权平均值和所有机组各段申报容量的加权平均值，计算各机组报价模式的特征向量；

第0轮质心计算模块203，用于根据预设规则选取a个机组并计算所述a个机组各自对应的报价模式的特征向量作为a个质心在第0轮时的值，所述a为不小于4的整数；

第0轮报价模式集群计算模块204，用于计算所有机组各自对应的报价模式的特征向量到a个质心的距离，并根据所述距离将各机组划分到对应的报价模式集群中，以形成在第0轮时的a个报价模式集群；

第m轮报价模式集群计算模块205，用于计算各报价模式集群中所有机组的报价模式的特征向量的均值分别作为各报价模式集群的质心在第m轮时的值，并根据所有机组各自对应的报价模式的特征向量到a个质心在第m轮时的距离，将各机组划分到对应的报价模式集群中，以形成a个在第m轮时的报价模式集群，所述m为正整数；

输出结果获取模块206，用于根据各报价模式集群的质心在第m轮时与第m-1轮时的距离，计算出a个报价模式集群的质心偏移率，并以在第m轮时各报价模式集群的机组数量为权重，计算a个所述质心偏移率的加权平均值；

输出模块207，用于当计算出的a个所述质心偏移率的加权平均值不大于预设的阈值时，则将在第m轮时的报价模式集群作为结果输出。

具体地，本发明实施例所述一种电力现货市场报价模式分类装置与方法实施例均基于相同发明构思。详情请参见方法实施例，在此不再赘述。

在一个实施例中，提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时执行上述电力现货市场报价模式分类方法的步骤。此处电力现货市场报价模式分类方法的步骤可以是上述各个实施例的电力现货市场报价模式分类方法中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述电力现货市场报价模式分类方法的步骤。此处电力现货市场报价模式分类方法的步骤可以是上述各个实施例的电力现货市场报价模式分类方法中的步骤。

图3示出了一个实施例中计算机设备的内部结构图。如图3所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现电力现货市场报价模式分类方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行电力现货市场报价模式分类方法。本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldra)、存储器总线(rambus)直接ram(rdra)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。