一种电力市场竞价行为建模方法、装置及设备与流程

本技术涉及电网，更具体地说，涉及一种电力市场竞价行为建模方法、装置及设备。

背景技术：

1、在电力现货市场中，实行“厂网分开、竞价上网”的策略，发电商在电力现货市场中作为一个独立的经济实体，需要参与竞价上网。在此基础上，发电商为了实现自身利润的最大化，市场管理者为了制定竞价机制，都需要对电力现货市场上，每个发电商的竞价行为进行研究。

2、但随着新能源的出现，可用于发电的能源类型愈加丰富，发电商所使用的能源类型存在多种组合方式，而新能源发电受季节、气候、环境及昼夜等多重因素影响，存在不可控性，发电商在不同季节下的竞价行为也随之存在很大不同，这样导致采用现有的电力市场竞价行为建模方法得到的建模结果准确性较低。

技术实现思路

1、有鉴于此，本技术提供了一种电力市场竞价行为建模方法、装置及设备，用于解决现有技术中电力市场竞价行为建模方法得到的建模结果准确性较低的缺点。

2、为了实现上述目的，现提出的方案如下：

3、一种电力市场竞价行为建模方法，包括：

4、获取电力现货市场上目标发电商所对应的能源类型向量；

5、获取电力现货市场上目标发电商所对应的不同交易时段的竞价曲线，其中，每个所述竞价曲线表示对应的交易时段中投标价格与投标电量的对应关系；

6、对各个所述竞价曲线进行聚类，得到多个聚类子集，并确定每个所述聚类子集对应的行为曲线及该行为曲线的适用周期；

7、将所述能源类型向量、所有的聚类子集对应的行为曲线及该行为曲线对应的适用周期组成所述目标发电商的竞价行为模型。可选的，在获取电力现货市场上目标发电商所对应的不同交易时段的竞价曲线之前，还包括：

8、判断所述目标发电商的所有竞价曲线的总数是否超过预设阈值；

9、若具备，则返回执行获取电力现货市场上目标发电商所对应的不同交易时段的竞价曲线的步骤；

10、若不具备，则根据所述能源类型向量，从电力现货市场中选取与所述目标发电商匹配的一个以上近邻发电商，并根据各个所述近邻发电商的近邻竞价行为模型，构建所述目标发电商的竞价行为模型。

11、可选的，所述根据各个所述近邻发电商的近邻竞价行为模型，构建所述目标发电商的竞价行为模型，包括：

12、确定各个所述近邻竞价行为模型中每两个近邻行为曲线间的余弦相似度；

13、将与同一近邻行为曲线的余弦相似度超过相似度阈值的近邻行为曲线组成集合；

14、确定每个集合对应的行为曲线及该行为曲线的适用周期；

15、将所述能源类型向量、所有集合对应的行为曲线及该行为曲线对应的适用周期组成所述目标发电商的竞价行为模型。可选的，所述获取电力现货市场上目标发电商所对应的不同交易时段的竞价曲线，包括：

16、获取所述目标发电商的电量范围，以及，每个所述交易时段的多个投标对，每个投标对表示对应的投标时段中价格与电量值之间的对应关系，每个交易时段中包含多个投标时段；

17、对所述电量范围进行等间隔离散化，形成多个投标电量区间；

18、依次根据每个交易时段的各个投标对，确定该交易时段下每个投标电量区间所对应的价格；

19、依据预设的价格上限以及价格下限，对该交易时段下各个投标电量区间对应的价格进行处理，处理后得到该交易时段下每个投标电量区间对应的投标价格；

20、根据该交易时段下各个投标电量区间对应的投标价格，绘制该交易时段对应的竞价曲线。

21、可选的，对各个所述竞价曲线进行聚类，得到多个聚类子集，包括：

22、基于密度矩阵和聚类算法，对各个所述竞价曲线进行聚类，得到多个聚类子集。

23、可选的，所述基于密度矩阵和聚类算法，对各个所述竞价曲线进行聚类，得到多个聚类子集，包括：

24、计算每两个竞价曲线间的欧式距离；

25、按照由小至大的顺序，对同一竞价曲线所对应的欧式距离进行排序，得到距离排序结果；

26、依次从每个竞价曲线所对应的距离排序结果中选取第n个欧式距离作为该竞价曲线对应的目标欧式距离，所述目标欧式距离用于表征对应竞价曲线的密度；

27、从各个竞价曲线中选取目标欧式距离最小的竞价曲线作为第一个聚类子集对应的聚类中心，并从各个竞价曲线中选取与第一个聚类中心距离最远的竞价曲线作为第二个聚类子集对应的聚类中心；

28、依次计算每个竞价曲线与每个所述聚类中心间的欧式聚类距离；

29、判断所述竞价曲线所对应的最小欧式聚类距离是否大于预置的聚类距离；

30、若是，则将所述竞价曲线作为新的聚类子集的聚类中心；

31、若否，则将所述竞价曲线划分至所述最小欧式聚类距离对应的聚类子集中，并对该聚类子集的聚类中心进行更新，返回执行依次计算每个竞价曲线与每个所述聚类中心间的欧式聚类距离的步骤，直至各个聚类子集收敛为止。

32、可选的，所述确定每个所述聚类子集对应的行为曲线及该行为曲线的适用周期，包括：

33、计算同一投标电量下，所述聚类子集中各个竞价曲线所对应的投标价格平均值；

34、根据投标电量与投标价格平均值之间的对应关系，绘制行为曲线；

35、确定所述聚类子集中每个竞价曲线的交易时段所对应的交易周期；

36、将各个交易周期，确定为该行为曲线的适用周期。可选的，所述获取电力现货市场上目标发电商所对应的能源类型向量，包括：

37、确定所述目标发电商所管理的所有能源类型；

38、确定每个所述能源类型对应的装机容量；

39、将各个所述装机容量相加，得到相加结果；

40、计算每个装机容量与相加结果间的比值；

41、根据各个比值，构建能源类型向量。一种竞价行为建模装置，包括：

42、获取模块，用于获取电力现货市场上目标发电商所对应的能源类型向量及不同交易时段的竞价曲线，其中，所述能源类型向量表示所述目标发电商所管理的所有能源类型，每个所述竞价曲线表示对应的交易时段中投标价格与投标电量的对应关系；

43、聚类模块，用于对各个所述竞价曲线进行聚类，得到多个聚类子集，并确定每个所述聚类子集对应的行为曲线及该行为曲线的适用周期；

44、组合模块，用于将所述能源类型向量、所有的聚类子集对应的行为曲线及该行为曲线对应的适用周期组成所述目标发电商的竞价行为模型。

45、一种竞价行为建模设备，包括存储器和处理器；

46、所述存储器，用于存储程序；

47、所述处理器，用于执行所述程序，实现上述的电力市场竞价行为建模方法的各个步骤。

48、一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的电力市场竞价行为建模方法的各个步骤。

49、从上述的技术方案可以看出，本技术提供的电力市场竞价行为建模方法，该方法可以获取电力现货市场上目标发电商所对应的能源类型向量及不同交易时段的竞价曲线，每个所述竞价曲线表示对应的交易时段中投标价格与投标电量的对应关系；如此，本技术可以确定需要建模竞价行为的目标发电商所管理的能源类型，以及，随着交易时段的变化，投标价格与投标电量的对应关系的变化情况；对各个所述竞价曲线进行聚类，得到多个聚类子集，并确定每个所述聚类子集对应的行为曲线及该行为曲线的适用周期；如此，本技术考虑到了同一发电商在不同的交易时段下竞价行为可能会存在很大差异的情况，而不同交易时段下竞价行为的差异较大可能是由于不同交易时段所处的季节、气候及环境等多重因素的差异较大，同理，不同交易时段下竞价行为的差异较小可能是由于不同交易时段所处的季节、气候及环境等多重因素的差异较小，因而，本技术将相似度较高的竞价行为进行了聚类，并将相似度较高的竞价行为归纳为行为曲线，可实现将多重因素差异较小的竞价曲线归纳为行为曲线，将相似度较低的竞价行为归结为不同的行为曲线，可实现将多重因素差异较大的竞价曲线归纳为不同的行为曲线，提高了行为曲线的有效性以及准确度。此外，为了更好地确定行为曲线的使用时间，本技术设置了每个行为曲线所使用的周期；随后，可以将所述能源类型向量、所有的聚类子集对应的行为曲线及该行为曲线对应的适用周期组成所述目标发电商的竞价行为模型；如此，本技术可以将各个行为曲线及适用周期归纳为目标发电商的竞价行为模型，而竞价行为模型中包含多个相似度较低的行为曲线，每个行为曲线存在不同的适用周期，提高了行为曲线的针对性。可见，本技术可以构建包含有多个行为曲线以及适用周期的竞价行为模型，进一步提高了竞价行为模型的准确度以及可靠性。