本发明属于电力市场领域,具体涉及一种基于熵权法和云模型的发电商市场力评价方法。
背景技术:
发电商市场力的监管是电力市场交易运行中的重要环节,对发电商市场力的大小进行评价是市场力监管必不可少的部分。为保证电力市场的安全稳定运行,用科学的方法对发电商的市场力进行评价具有重要作用。
一般对发电商市场力的评价,大多依赖人工计算以及专家打分,可操作性有待加强,实际市场数据复杂且庞大,提出有效的针对发电商的市场力的评价方法具有重要意义。
发电商市场力的评价方法为监管者更好地规范化管理市场主体提供科学的指导。有助于监管者了解市场运行的状况以及存在的问题,对于提高交易中心的服务水平,保证市场的良好竞争,维护市场的秩序具有重要作用。
技术实现要素:
发明目的:本发明提供一种评价结果科学有效的基于熵权法和云模型的发电商市场力评价方法。
技术方案:本发明提供一种基于熵权法和云模型的发电商市场力评价方法,包括以下步骤:
(1)根据电力市场交易规则以及交易数据,确定评价指标并建立评价体系;
(2)根据指标的取值范围,将指标划分为不同的市场力等级;
(3)根据等级的划分,计算指标对应等级下的云数字特征;
(4)基于云数字特征,通过正态云发生器生成指标在各等级下的云模型;
(5)运用熵权法,计算每个市场力评价指标的权重;
(6)将电力市场实际各指标数据带入云模型得到各指标每个等级下的隶属度;
(7)采用熵权法与云模型相结合,计算发电商市场力等级的综合隶属度,得出最终评价结果。
步骤(1)所述评价指标包括交易前评价指标、交易中评价指标及交易后评价指标;所述交易前指标包括市场份额、必运行率、发电机容量占有率;所述交易中指标包括平均报价水平、供给剩余系数、持留比率;所述交易后指标包括市场成交电量占有率、pcmi指标、合约率。
步骤(2)所述的市场力等级按取值范围划分为大、中、小三个等级。
所述步骤(3)通过以下公式实现:
ex=(bmin+bmax)/2
en=(bmax-bmin)/2.67
he=k
其中,ex,en,he分别是各指标在各等级下的云数字特征,bmin和bmax分别为指标的双边约束的取值边界值,k值一般根据指标实际情况经验取值,大小可根据变量本身的模糊阈度来进行具体调整。
所述步骤(4),包括以下步骤:
(41)生成以en为期望,以he为方差的正态随机数e′n;
(42)生成以ex为期望,以e′n为方差的正态随机数xi;
(43)求解xi对定性概念的隶属度ui,公式为:
(44)重复(41)到(43)的步骤计算n次,直到生成足够多的云滴,得到的n个云滴(xi,ui)组成云像。
所述步骤(5)包括以下步骤:
(51)将各发电商在各指标下的参数矩阵标准化,原矩阵为:
参数标准化公式为:
其中,xij为第i个发电商,第j个指标的值,yij为标准化过后的矩阵参数值;
(52)根据信息论中信息熵的定义,计算各指标的信息熵:
其中,
(53)确定各指标权重,通过信息熵计算各指标的权重,公式为:
步骤(6)所述的各等级下的隶属度计算公式如下:
上限型云模型:
下限型云模型:
正态型云模型:
其中,e′n为以en为期望,以he为方差的正态随机数。
所述步骤(8)通过以下公式实现:
其中,fa为发电商a的市场力等级综合隶属度,uij为第i个等级下,第j个指标的隶属度;wj为第j个指标的权重。
有益效果:与现有技术相比,本发明的有益效果:建立市场力评价体系并按指标取值范围划分为3个等级市场力大、中、小,再利用云模型的模糊性,把定性的问题转为定量的分析,得到各指标在每个等级下的云模型,结合熵权法计算指标的权重,将实际市场数据带入云模型,最后熵权法与云模型相结合,计算最终发电商等级评价结果,评价结果科学有效。
附图说明
图1为本发明的流程图;
图2为云模型实现方法的流程图;
图3为熵权法实现的流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明,如图1所示,本发明包括以下步骤:
1、根据电力市场交易规则以及交易数据,确定评价指标并建立评价体系。
根据电力市场交易规则以及交易数据,确定评价指标并建立评价体系。将指标体系划分为3类,交易前、交易中以及交易后,交易前指标包括:市场份额c1、必运行率c2、发电机容量占有率c3;交易中指标包括:平均报价水平c4、供给剩余系数c5、持留比率c6;交易后指标包括:市场成交电量占有率c7、pcmi指标c8、合约率c9。指标体系如表1所示:
表1发电商市场力评价指标体系
2、根据指标的取值范围,将指标划分为3个市场力等级,分别为大、中、小。
指标等级的划分如表2所示:
表2指标等级的划分
针对实际市场数据交易规则不同,体系中的指标可以进行更替,指标等级的划分也可根据需要调整。
3、根据指标等级的划分,计算指标对应等级下的云数字特征。
通过公式计算划分以后的各指标在各等级下的云数字特征(en,ex,he),公式为:
ex=(bmin+bmax)/2
en=(bmax-bmin)/2.67
he=k
其中,bmin和bmax分别为指标的双边约束的取值边界值,k值一般根据指标实际情况经验取值,大小可根据变量本身的模糊阈度来进行具体调整。
对于只有单边界的指标,如(bmin,∞)或(-∞,bmax)可先根据测试指标的最大上限或最小下限确定其缺少的边界参数,再按上式进行计算。各指标在各等级下的云数字特征值如表3所示:
表3各指标在各等级下的云数字特征值
4、基于云数字特征,通过正向云发生器生成各评价指标在各等级下的云模型,如图2所示。
(1)生成以en为期望,以he为方差的正态随机数e′n;
(2)生成以ex为期望,以e′n为方差的正态随机数xi;
(3)求解xi对定性概念的隶属度ui,公式为:
(4)重复(1)到(3)的步骤计算n次,直到生成足够多的云滴,得到的n个云滴(xi,ui)组成云像。
5、运用熵权法,计算每个市场力评价指标的权重,如图3所示。
(1)将各发电商在各指标下的参数矩阵标准化,原矩阵为:
参数标准化公式为:
式中:xij为第i个发电商,第j个指标的值,yij为标准化过后的矩阵参数值。
(2)根据信息论中信息熵的定义,计算各指标的信息熵,公式为:
式中:
(3)确定各指标权重,通过信息熵计算个指标的权重,公式为:
6、将电力市场实际各指标数据带入云模型得到各指标每个等级下的隶属度。将电力市场实际可得的指标数据xi带入云模型,得出各指标在各等级下的隶属度,隶属度计算公式有以下3种如下:
上限型云模型:
下限型云模型:
正态型云模型:
其中,e′n为以en为期望,以he为方差的正态随机数。根据指标需要,选择不同的隶属度计算公式,这里采用正态型云模型公式。
7、采用熵权法与云模型相结合,计算发电商市场力等级的综合隶属度,得出最终评价结果。
将熵权法与云模型相结合,指标的隶属度矩阵与指标的权重矩阵的转置相乘,计算得出发电商a的市场力等级的综合隶属度矩阵,公式为:
式中,uij为第i个等级下,第j个指标的隶属度;wj为第j个指标的权重。根据发电商a的市场力等级的综合隶属度可知发电商a的市场力等级评价结果。
对于某地区参与市场的15个发电商的市场力进行评价,给出各个发电商的指标值,通过评价方法判断这15个发电商的市场力等级。各发电商指标数据如表4所示。
表4各发电商指标数据
由已建立的市场力评价体系生成各指标的云模型。
通过熵权法计算得到的各指标权重如表5所示。
表5各指标权重
将指标数据带入云模型,发电商每个指标等级隶属度如表6所示。
表6发电商每个指标等级隶属度
结合云模型和熵权法,发电商市场力等级评价的综合隶属度以及评价结果如表7所示。
表7发电商市场力等级评价的综合隶属度以及评价结果
从表7中可以得到各发电商的最终市场力等级的评价结果。在良好的竞争环境下,发电商市场力等级应为小,市场力等级评价结果为中及以上的发电商,可以通过后续的发电商的行为分析来探究该发电商市场力不正常的原因。
最后应说明的是,以上详细描述了本发明的一个具体实例,但并不用于限制本发明。尽管参照前述实例对本发明进行了详细的说明,对本领域的技术人员来说,其依然可以对前述实例技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围内。