[发明专利]一种电力市场成员竞价行为预测标签生成方法和系统

权利要求书

1.一种电力市场成员竞价行为预测标签生成方法，其特征在于，该方法包括以下步骤：

步骤1：从电力交易中心数据仓库抽取市场成员的实际历史竞价行为的数据，提取电力市场成员竞价行为指标；

步骤2：结合电力市场成员竞价行为指标改进K-means聚类算法，采用改进的K-means聚类算法，生成电力市场成员竞价行为标签；

步骤3：利用已生成的电力市场成员竞价行为标签，进行电力市场成员竞价行为预测，生成市场成员行为预测标签。

2.根据权利要求1所述的一种电力市场成员竞价行为预测标签生成方法，其特征在于，

步骤1中，电力市场成员竞价行为指标包括：发电商报价、发电商总收益和市场出清电价。

3.根据权利要求1所述的电力市场成员竞价行为预测标签生成方法，其特征在于，

所述步骤2中，K-means聚类分析的具体流程为：选择K个点作为质心，取T＝1，计算当前样本与每个聚类质心的距离，将当前样本指派到最近的质心，重新计算每个簇的质心，若簇发生变换，则令T＝T+1，继续计算当前样本与每个聚类质心的距离，将当前样本指派到最近的质心，重新计算每个簇的质心，直到簇不发生变换为止，此时输出聚类结果。

4.根据权利要求1所述的一种电力市场成员竞价行为预测标签生成方法，其特征在于，

步骤2中，生成行为标签时，需离散化处理行为发生的时间特征，将时间特征分层，进而对行为的频率、行为产生的时间间隔及偏离度进行聚类。

5.根据权利要求4所述的一种电力市场成员竞价行为预测标签生成方法，其特征在于，

所述偏离度为采用市场成员的申报价格和实际成本的偏离度M：

式中:Bid_gen为市场成员申报价格，Cost_st为市场成员实际成本。

6.根据权利要求1所述的一种电力市场成员竞价行为预测标签生成方法，其特征在于，

步骤3中，通过嵌入梯度提升树算法进行电力市场成员竞价行为预测，通过不断迭代改进上一次分类结果来提高分类准确度。

7.根据权利要求6所述的电力市场成员竞价行为预测标签生成方法，其特征在于，

步骤3中，电力市场成员竞价行为预测包括以下步骤：

步骤3.1，输入训练样本数据集，

输入：T＝{(x₁，y₁)，(x₂，y₂)，…，(x_N，y_N)}，x_i，y_i∈R；T为训练样本数据集，x为自变量，y为因变量，N为数据集大小；

步骤3.2，初始化，

步骤3.3，迭代，更新，

对m＝1，2，3，…，M，M为迭代次数；

(a)对i＝1，2，3，…，N，计算：

式中，为梯度方向；

(b)对j＝1，2，3，…，J_m，计算：

(c)更新

步骤3.4，得到回归树：

f(x)＝f_M(x)

据此生成市场成员行为预测标签。

8.根据权利要求1所述的一种电力市场成员竞价行为预测标签生成方法，其特征在于，

方法还包括步骤4：将市场成员行为预测标签纳入电力交易中心的数据仓库中，用来生成市场成员画像，市场成员画像包括个体画像和群体画像。

9.根据权利要求8所述的一种电力市场成员竞价行为预测标签生成方法，其特征在于，

步骤4中，个体画像包括，对具体市场成员的数据分析后，生成该市场成员的个体画像，以标签化的形式来展现该市场成员的基础属性、行为特征。