#DataWhale AI 夏令营（从零入门AI for Science（AI+经济）Task1学习笔记）

在本次夏令营中，需要学习的是ABM（Agent-Based-Modeling）这一简洁而有趣的建模复杂世界的方法。

> 学习如何结合博弈论、市场经济、时间序列挖掘等知识，帮助解决复杂的电力现货市场定价问题，体验计算社会科学的神奇之处。

赛题背景

此次比赛主要针对“电力现货市场”（可以类比证券交易市场），泛指短时间内的电能量交易市场。

市场中有大量发电机组（供给者，会发电并卖出电力）按照交易规则，在指定的平台上采取集中竞价的方式确定电能的交易量和价格。这些电能会被输送给个体户、商业用户等，从而利用市场机制实现资源优化配置。

在最理想的情况下，市场完全竞争（市场参与者众多，以至于没有任何一方能够影响价格，不存在控制价格的可能性），没有任何博弈行为。每个发电机组都诚实报价，市场出清价格稳定可靠，达到最优效率。

因此，本次比赛要求针对电力现货市场价格和市场博弈主体（549个发电机组）的信息，用ABM方法建模这些机组在报价上的博弈行为，使最终模拟的市场出清报价接近现实中的市场出清价格。

赛题数据

electricity price.csv：电力市场的市场出清价格，市场需求等信息。

unit.csv：存放市场供给者（各发电机组）的参数信息。

比赛任务

比赛本质是一个回归（预测目标为连续值，例如根据年龄预测身高）问题，需要预测2023年7月1日到2024年4月18日每15分钟的市场出清价格。

注：比赛方称期待参赛成员使用ABM模型建模获取市场出清价格。

Task1: 跑通Baseline1

Baseline1本质上并不复杂，是将赛题数据进行了预处理后，用ABM进行运算。

当然，ABM是后面要研究的东西，这里先研究预处理。

对electricity price.csv文件，

将time一栏的24:00转化成00:00并将日期加一。

筛选出clearing price一栏存在的数据。

将这些数据格式化成需要的样式。

对unit.csv文件，

根据实际成本进行升序排序，力求找出低成本的对象。

这之后，就是利用ABM对预处理好的数据进行操作了。