基于联合机器学习的电力市场主体风险动态量化评估方法与流程

本发明涉及电力市场主体风险动态评估，具体而言，涉及基于联合机器学习的电力市场主体风险动态量化评估方法。

背景技术：

1、现货市场运行初期，监管机制不完善，存在参与方采用技术和市场手段在政策合规性的基础上滥用市场支配力量，造成市场价格风险，严重削弱市场发现价格能力并侵害其它主体利益。因此，需要有效识别和评估风险等级，市场参与者以采取相应的对策来降低风险损失。然而当前电力市场风险识别主要采用指标评价等方识机组静态的特征，准确不足的同时，缺灵活、动态评估，尤其难以适应当前短时间内变化迅速的电力现货市场。

技术实现思路

1、为了解决上述问题，本发明的目的是提供一种基于联合机器学习算的电力市场主体风险动态量化评估技术，旨在采用半监督支持向量机-序关系-熵权(semi-supervisedsupport vector machine-order relation-entropy weight,ssvm-or-ew)联合机器学习算法量化市场个体综合风险，通过引用dfmea风险管理理论中的sod风险系数法评估市场主体动态最优风险系数，进而对市场风险进行动态灵活的量化。

2、为了实现上述技术目的，本申请提供了基于联合机器学习的电力市场主体风险动态量化评估方法，包括以下步骤：

3、采集单体机组和所有机组平均的报价情况数据、机组利用率和机组收益，进行正向化极值标准化处理后，根据报价一致性参数和报价曲线差异度参数进行一次风险识别，获取第一预警机组集合；

4、基于第一预警机组集合，根据报价变化一致性参数、报量变化一致性参数、报价变化曲线差异度和静态市场份额参数进行二次风险识别，构建报价相似性指标库，并依据半监督支持向量机算法，获取第一预警机组的第一分值；

5、响应于构建的报价相似性指标库，同步地，根据机组量价指数和机组高价申报率，通过带入机组报价和市场数据，构建极高报价指标库，并基于or-ew算法，获取第一预警机组的第二分值；

6、通过对第一分值和第二分值进行加权计算，构建第二预警机组集合，用于生成风险分级标准，量化该时段内市场风险水平。

7、优选地，在获取报价一致性指标参数的过程中，获取第一机组的第一报价序列，以及第二机组的第二报价序列，其中，第一机组和第二机组为不相同的两个机组；

8、基于第一报价序列和第二报价序列之间的协方差，依据第一报价序列的方差，以及第二报价序列的方差，获取报价一致性指标参数。

9、优选地，在获取报价曲线差异度参数的过程中，获取第一机组的第一报价曲线，以及第二机组的第二报价曲线；

10、基于第一报价曲线和第二报价曲线之间的差异度，根据第一报价曲线和第二报价曲线的申报电价标幺值和申报容量标幺值，获取报价曲线差异度参数。

11、优选地，在构建第一预警机组集合的过程中，基于报价一致性指标参数和报价曲线差异度参数，采用均数法设定阈值，若机组某指标超过阈值，则将该机组纳入第一预警机组集合。

12、优选地，在构建报价相似性指标库的过程中，基于第一机组的第一申报容量，以及第二机组的第二申报容量，根据第一申报容量和第二申报容量的协方差，依据第一申报容量的方差和第二申报容量的方差，获取报量变化一致性参数；

13、基于第一机组的相邻两次报价的第一报价差值，以及第二机组的相邻两次报价的第二报价差值，根据第一报价差值和第二报价差值的协方差，依据第一报价差值的方差和第二报价差值的方差，获取报价变化一致性参数；

14、根据第一机组和第二机组的报价变化曲线之间的阴影面积，生成报价变化曲线差异度；

15、根据发电机的申报容量占市场上所有发电机总申报容量的百分比，作为静态市场份额。

16、优选地，在构建极高报价指标库的过程中，通过现货市场申报曲线中申报电价的单位价值和发电机有效报价段的申报容量，获取机组量价指数，用于表示发电机报价集中在高价位的程度。

17、优选地，在构建极高报价指标库的过程中，根据高价容量与有效容量的比率，获取机组高价申报率，用于反映发电机组提高报价的行为。

18、优选地，在构建第二预警机组集合的过程中，对第一分值和第二分值进行加权计算，获取个体rpn值p，以构建第二预警机组集合，其中，第二预警机组集合表示为：

19、p＝ω1(p1)p1+ω2(p2)p2；

20、ωi(pi)＝1-exp(-(pi/σ)2)；

21、根据市场风险识别需求设定风险系数pi和隶属权重ωi，进而得到σ值。

22、优选地，在生成风险分级标准的过程中，基于dfmea理论，采用sod风险系数法，获取市场综合动态最优风险系数，以生成风险分级标准。

23、优选地，本发明还通过电力市场主体风险动态量化评估系统，实现电力市场主体风险动态量化评估方法，包括：

24、数据采集模块，用于采集单体机组和所有机组平均的报价情况数据、机组利用率和机组收益；

25、第一数据处理模块，用于对数据采集模块采集的数据，进行正向化极值标准化处理后，根据报价一致性参数和报价曲线差异度参数进行一次风险识别，获取第一预警机组集合；

26、第二数据处理模块，用于基于第一预警机组集合，根据报价变化一致性参数、报量变化一致性参数、报价变化曲线差异度和静态市场份额参数进行二次风险识别，构建报价相似性指标库，并依据半监督支持向量机算法，获取第一预警机组的第一分值；

27、第三数据处理模块，用于响应于构建的报价相似性指标库，同步地，根据机组量价指数和机组高价申报率，通过带入机组报价和市场数据，构建极高报价指标库，并基于or-ew算法，获取第一预警机组的第二分值；

28、评估模块，用于通过对第一分值和第二分值进行加权计算，构建第二预警机组集合，用于生成风险分级标准，量化该时段内市场风险水平。

29、本发明公开了以下技术效果：

30、本发明通过市场风险量化，能够提高风险管理能力，增强决策支持，优化资本配置，并建立有效的预警机制，从而降低潜在损失。同时，它促进市场透明度，优化投资组合，提高投资者信心，确保合规性和审计要求的满足，最终实现更高效的资源配置和更稳健的运营。

技术特征：

1.基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于：

3.根据权利要求2所述基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于：

4.根据权利要求3所述基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于：

5.根据权利要求4所述基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于：

6.根据权利要求5所述基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于：

7.根据权利要求6所述基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于：

8.根据权利要求7所述基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于：

9.根据权利要求8所述基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于：

10.根据权利要求1-9任意一项权利要求所述的基于联合机器学习的电力市场主体风险动态量化评估方法，其特征在于：

技术总结
本发明公开了基于联合机器学习的电力市场主体风险动态量化评估方法，属于电力市场主体风险动态评估技术领域，本发明采用半监督支持向量机‑序关系‑熵权SSVM‑OR‑EW联合机器学习算法量化市场个体综合风险，引用DFMEA风险管理理论中的SOD风险系数法评估市场主体动态最优风险系数，对市场风险进行动态灵活的量化。通过市场风险量化，能够提高风险管理能力，增强决策支持，优化资本配置，并建立有效的预警机制，从而降低潜在损失。同时，还能促进市场透明度，优化投资组合，提高投资者信心，确保合规性和审计要求的满足，最终实现更高效的资源配置和更稳健的运营。

技术研发人员：薛晓强,王小路,刘敦楠,卢诗华,林宇龙,李根柱,赵佳悦
受保护的技术使用者：冀北电力交易中心有限公司
技术研发日：
技术公布日：2025/3/10