基于孤立森林算法對發(fā)電機組濫用市場力的判別

　　內(nèi)容提要：為了構(gòu)建健康高效的電力市場，迫切需要加強對市場主體的監(jiān)管，而對發(fā)電機組市場力濫用的判別是對市場主體監(jiān)管的關鍵工作。首先，本文通過分析發(fā)電機組市場力的表現(xiàn)形式，從機組地位、報價行為、中標結(jié)果三個維度提出判別濫用市場力的指標集合。其次，結(jié)合指標集合構(gòu)建基于電力交易數(shù)據(jù)的孤立森林模型，并利用孤立森林算法得出發(fā)電機組濫用市場力的異常分值，實現(xiàn)對濫用市場力發(fā)電機組的判別。最后，對國內(nèi)某區(qū)域電力現(xiàn)貨市場仿真交易系統(tǒng)數(shù)據(jù)進行驗證，結(jié)果表明：該判別方法的準確率和判別效率較高，充分驗證了算法的有效性。

　　關鍵詞：電力市場發(fā)電機組市場力濫用孤立森林算法

　　自2015年《關于進一步深化電力體制改革的若干意見》(中發(fā)〔2015〕9號文)及其配套相關文件頒布以來，加速推進了我國電力市場化改革，并取得積極有效的進展，首批8個電力現(xiàn)貨市場試點均啟動結(jié)算試運行。然而，我國電力行業(yè)的發(fā)電側(cè)大多以省為單位，集中程度較高，易發(fā)生濫用市場力的行為，并引發(fā)相應風險(陳青等，2018)。這種濫用市場力行為，損害市場競爭的有效性，妨礙電力市場的穩(wěn)定運行，甚至影響改革進程。因此，為了保證競爭的有效性，對發(fā)電機組濫用市場力行為進行判別是電力市場建設的重要任務，這對于保障電力市場公平競爭、維持市場安全穩(wěn)定運行、促進電力市場改革都具有十分積極的意義。

　　一、相關研究文獻評述

　　針對發(fā)電機組濫用市場力行為，主要的判別方法有兩類：一是基于指標的綜合評價算法，李陟峰(2019)在提出市場管理風險指標體系的基礎上，利用猶豫模糊層次分析法對各指標按照重要程度進行排序，實現(xiàn)對電力市場運行管理風險重要程度的識別。謝敬東等(2021)通過對電力市場運營大數(shù)據(jù)進行風險形式庫分析、風險可能性分析、風險邏輯分析，建立了完整的風險管控體系,最終得出有效、可靠的風險分析結(jié)果。

　　二是深度學習算法，深度學習算法將風險評估問題轉(zhuǎn)化為多分類問題進行分析，張海生等(2020)在建立一套串謀監(jiān)測指標體系的基礎上，運用AdaBoost-DT分類算法對串謀行為進行識別，算例結(jié)果表明：該串謀行為識別方法的準確率較高且實時性較好，算法有效性高。徐昊亮等(2020)提出了濫用市場力的量化定義，結(jié)合電力市場具體的數(shù)據(jù)特點提出改進的支持向量機發(fā)電企業(yè)違規(guī)識別方法，并將其與定義結(jié)合起來形成了一個系統(tǒng)的識別方法，測試結(jié)果表明發(fā)電企業(yè)濫用市場力行為能夠準確識別出來，驗證了所提方法的有效性。

　　但由于電力交易數(shù)據(jù)的私密性，數(shù)據(jù)樣本往往沒有標簽，濫用市場力機組樣本不易獲得，大多情況下需要在無監(jiān)督的前提下進行識別，因此，對機組濫用市場力的判別更傾向于異常點檢測問題。在眾多異常點檢測算法中，孤立森林(IsolationForest,iForest)算法是一種基于集成的快速無監(jiān)督異常檢測方法(袁藝芳等，2019)，該算法效率高、精準度高，表現(xiàn)尤為突出，常用于流量異常分析(袁藝芳等，2019;趙臣嘯等，2020)和工程檢測(黃福興等，2019;馬俊彥等，2020)，均取得了較好的檢測效果。

　　在電力現(xiàn)貨市場中，發(fā)電機組進行實時報價，數(shù)據(jù)量大，可以通過分析不同發(fā)電機組報價與中標情況的差異，判別濫用市場力的發(fā)電機組，來實現(xiàn)電力市場的監(jiān)管。本文針對以上研究的現(xiàn)狀與問題，在分析發(fā)電機組濫用市場力表現(xiàn)形式的基礎上，從機組地位、報價行為、中標結(jié)果三個維度提出濫用市場力判別指標集合，并基于該指標體系采用孤立森林算法，形成基于孤立森林算法的發(fā)電機組濫用市場力判別方法。首先結(jié)合指標集合構(gòu)建基于電力交易數(shù)據(jù)的孤立森林，再利用孤立森林算法計算發(fā)電機組的異常分值，從而實現(xiàn)對濫用市場力行為的判別。

　　二、濫用市場力的定義及判別思路

　　在濫用市場力行為定義方面，相關研究已經(jīng)比較成熟。通常，市場力是指某一產(chǎn)品或服務的提供者持續(xù)地影響或操縱市場價格，使之一直高于完全競爭情況下的市場價格的能力。在電力市場中，濫用市場力風險可存在于多個交易環(huán)節(jié)中，廠商或者集團通過某些手段將電力商品銷售量限制在完全競爭水平之下，將價格維持在邊際成本價格以上，來謀取巨額利潤，給電力市場帶來巨大風險(樊鐵鋼、張勇傳，2000)。本文將重點分析電力市場體系中的電能量交易市場中的市場力，判別對象為電力市場中的發(fā)電機組。單純的擁有市場力不應作為判別發(fā)電機組違規(guī)的唯一依據(jù)，應綜合多個維度的指標來確定濫用市場力的嫌疑發(fā)電機組(陳青等，2018)。

　　主要從三個維度進行分析，首先是機組地位，即對發(fā)電機組本身進行評估，主要和發(fā)電機組規(guī)模、當前市場供需關系以及所處區(qū)域的輸配電能力有關;其次是報價行為，即評估發(fā)電機組在報價時是否存在濫用市場力的行為，主要通過分析其報價行為來獲取發(fā)電機組報價策略信息;最后是中標結(jié)果，即評估發(fā)電機組是否通過濫用市場力造成一定影響，主要從發(fā)電機組中標情況、市場出清價格等方面進行分析。單純擁有市場力的發(fā)電企業(yè)可能由于受到市場規(guī)則等限制未濫用市場力，而在申報過程中采取報價策略的發(fā)電企業(yè)也未必最終達到影響市場價格，通過高價中標獲得高額利潤的目的。

　　因此，綜合考慮以上三個維度構(gòu)建模型，從而更為科學、準確地判別發(fā)電企業(yè)濫用市場力行為。 在建立判別模型之前，本文先對濫用市場力提出量化定義，下文將通過構(gòu)建包含機組地位類、報價行為類、中標結(jié)果類三類指標的指標集合，量化分析發(fā)電企業(yè)的相關信息，為判別濫用市場力的發(fā)電機組奠定基礎。在利用指標集合確定濫用市場力的可疑發(fā)電機組之后，再有針對性地獲取事實性證據(jù)，才能認定該機組有較大可能濫用市場力(黃遠明等，2021)。

　　三、濫用市場力判別指標集合

　　(一)機組地位類指標

　　機組地位類指標捕捉了電力市場一個重要特征，即市場力在市場供需關系緊張時期尤為顯著，并且發(fā)電機組的規(guī)模不是決定市場力的唯一因素(鐘金等，2018)。因此，該類指標從發(fā)電機組對于市場的重要程度出發(fā)，反映發(fā)電機組在市場中的地位，從側(cè)面評估該機組是否存在操縱市場價格的能力。

　　(二)報價行為類指標報價行為類指標可以反映發(fā)電機組濫用市場力的行為，因此通過分析機組申報價格與容量的關系、申報價格在市場中的水平等表現(xiàn)，可以判斷發(fā)電機組是否采用報高價、物理持留等策略動用市場力，從而對發(fā)電機組的市場力風險進一步評估。

　　(三)中標結(jié)果類指標中標結(jié)果類指標是機組濫用市場力的最直接的表現(xiàn)，發(fā)電機組的成交情況可以反映發(fā)電機組的自身實力與報價策略之間的配合情況，用于評價發(fā)電機組報價策略的成功度與該機組具有的市場力。機組的中標率、高價中標率越高，則說明表明該機組控制市場價格的能力越強、市場力越大。

　　四、基于孤立森林算法的發(fā)電機組濫用市場力判別方法

　　(一)總體思路

　　在電力交易市場中，大部分發(fā)電機組規(guī)模適中，在參與市場的過程中遵守市場交易規(guī)則，各類指標正常。本文定義在電力市場中，濫用市場力的發(fā)電機組為異常機組。孤立森林算法的核心思想是基于一種被稱為孤立樹(iTree，IsolationTree)的二叉搜索樹結(jié)構(gòu)。該算法效率高、復雜程度低(劉高，2019)。與電力市場中對異常機組的定義一致，在孤立森林算法中異常樣本點在整個樣本中表現(xiàn)為“容易被孤立的離群點”，即分布較為稀疏且與距離高密度群體較遠的點(趙臣嘯等，2020)。因此，可以利用該算法可以對每臺發(fā)電機組進行評估，根據(jù)算法得到的結(jié)果，判別電力交易市場中濫用市場力的發(fā)電機組。

　　本文提出的基于孤立森林算法的機組濫用市場力判別方法流程圖：在訓練階段，利用大量電力交易數(shù)據(jù)作為訓練數(shù)據(jù)集，基于濫用市場力判別指標集合對電力交易數(shù)據(jù)進行預處理，得到每臺機組在六個指標維度的計算結(jié)果，把每臺機組的所有指標結(jié)果組成一個六維向量，然后根據(jù)構(gòu)建iTree步驟進行訓練，最終獲得由t個iTree組成的孤立森林。

　　五、基于孤立森林算法的發(fā)電機組濫用市場力的實驗結(jié)果分析

　　本文選取某地區(qū)電力市場現(xiàn)貨數(shù)據(jù)進行分析，驗證基于孤立森林算法的電力市場機組濫用市場力判別方法的有效性。

　　(一)數(shù)據(jù)集本文采用國內(nèi)某區(qū)域電力現(xiàn)貨市場交易系統(tǒng)的數(shù)據(jù)作為數(shù)據(jù)集，數(shù)據(jù)集隱去機組名稱等敏感信息，用編號代替。數(shù)據(jù)集包含170臺發(fā)電機組交易數(shù)據(jù)，采樣間隔為15min，一天共96次采樣。

　　(二)濫用市場力判別結(jié)果首先對采集到的機組交易數(shù)據(jù)進行預處理，計算機組的相關指標，再將數(shù)據(jù)輸入算法�；�于孤立森林算法的機組濫用市場力判別方法中有兩個關鍵參數(shù)：一是采樣規(guī)模，即孤立二叉樹iTree的采樣數(shù)漬;二是集成規(guī)模，即iForest中孤立二叉樹iTree的數(shù)量t。

　　在已有研究的基礎上，本文設定iTree的個數(shù)t為100，每個iTree中的采樣樣本數(shù)為256個;設定數(shù)據(jù)集的異常樣本比例為0.15，用于擬合時標注正負樣本;每個iTree的限定高度為log2漬�？梢钥闯�，這些異常分值較高的機組從機組地位上來看，所占市場份額不大，但從報價行為上來看，這些機組普遍采用報高價的策略，量價指數(shù)極高，并且分析這些機組的中標結(jié)果，中標率明顯偏高，且在中標的電量中高價電量占較大比例，確實為具有較高濫用市場力風險的機組，存在濫用市場力的行為，需要重點監(jiān)管并采取一定處置措施。因此，本文提出的基于孤立森林的機組濫用市場力判別方法是有效的。

　　(三)算法性能分析

　　由于電力交易數(shù)據(jù)樣本的特殊性，往往只能獲得一個類別的數(shù)據(jù)及標簽，難以提前獲得濫用市場力機組的負樣本，因此對機組市場力的評估為單分類問題，而一類支持向量機One-classSVM為經(jīng)典的單分類算法(DavidM.J，1999)，因此，本文將孤立森林算法與One-classSVM算法進行對比，比較兩個算法檢測異常樣本的準確性。

　　六、結(jié)論與建議

　　本文從機組地位、報價行為、中標結(jié)果三個維度構(gòu)建濫用市場力判別指標集合，并針對電力交易數(shù)據(jù)的特點，結(jié)合指標集合，形成基于孤立森林算法對發(fā)電機組濫用市場力的判別。該判別方法避免復雜的數(shù)據(jù)分析與數(shù)學建模，對數(shù)據(jù)樣本要求較低，且具有較高的查全率和精確度，能夠快速、有效地檢測出異常機組，本文經(jīng)過測試驗證該方法能夠基于電力交易數(shù)據(jù)、快速有效地對機組濫用市場力風險進行評估，對濫用市場力的發(fā)電機組進行判別，為實時發(fā)現(xiàn)和降低市場力風險奠定基礎，為電力市場監(jiān)管提供有力支持。基于上述研究結(jié)論，本文提出以下建議：

　　1.建立一套與市場規(guī)則相適應的市場主體運營監(jiān)測與風險防控措施。首先，應該遵循“拿來”“改良”和“創(chuàng)新”相結(jié)合的思路。其次，應該堅持理論支撐、措施方法、指標標準的創(chuàng)新。國外電力市場建設時間久，市場更加成熟，機制更加完善，許多地方值得借鑒。但在借鑒過程中，不能簡單地拿來，要考慮中國的國情，將國外的理論與實踐經(jīng)驗進行中國化改造。因此，為了保證電力市場的公平競爭與穩(wěn)定發(fā)展，不僅要在實踐中對市場規(guī)則進一步完善與修訂，還需要建立一套與市場規(guī)則相適應的市場主體運營監(jiān)測與風險防控機制。

　　2.應避免基于單一的標準來認定市場力行為。由于電力市場力風險與電力現(xiàn)貨市場的正常價格波動之間不易區(qū)分，對電力市場力風險的認定難度較大，但又需要慎之又慎，否則將影響到正常的市場運營而造成不良影響。因此，防范市場力風險應避免基于以下幾種單一的標準來認定市場力行為：一是價格高便是行使市場力;二是中標機會多便是行使市場力;三是成為邊際機組的機會多便是行使市場力;四是獲利多便是行使市場力。

　　參考文獻：

　　[1]陳青、楊駿偉、黃遠明、盧恩、王一.國外電力市場中市場力監(jiān)測與緩解機制綜述[J].南方電網(wǎng)技術(shù),2018(12).

　　[2]李陟峰、施航、吳晶瑩、王苗、王東雪.基于HFLTS-AHP的電力市場運行管理風險識別[J].控制工程,2019(5).

　　[3]謝敬東、黃溪瀅、盧浩哲、陸池鑫、孫波、孫欣.電力市場中市場力風險防范方法的研究[J].價格理論與實踐,2020(12).

　　[4]張海生、曹喆、楊昌海、駱雲(yún)鵬、華回春.基于AdaBoost-DT算法的電力市場串謀行為識別研究[J].電力工程技術(shù),2020(2).

　　[5]徐昊亮、程紫運、張海生、董禮、華回春.基于改進支持向量機的發(fā)電企業(yè)濫用市場力違規(guī)識別[J].華北電力大學學報(自然科學版),2020(4).

　　[6]袁藝芳、李雁、陳緒、高永龍、席新.基于孤立森林算法的移動警務網(wǎng)絡流量監(jiān)測方法研究[J].軟件,2019(12).

　　作者：羅錦慶覃捷黃遠明黃志生等本文其他作者：谷昊霖、田琳。

轉(zhuǎn)載請注明來自發(fā)表學術(shù)論文網(wǎng)：http:///dzlw/28704.html