#DataWhale AI 夏令营（从零入门AI for Science（AI+经济）Task2学习笔记）

承上（task1）

已有信息：

• 电力市场的市场出清价格，市场需求等信息。
• 市场供给者（各发电机组）的参数信息。

解题逻辑：

1. 通过线性回归，得到各个市场供给者的报价。
2. 通过市场需求和所有报价，得到市场出清价格。

存在问题：

默认每个市场供给者都以 “边际成本” 进行报价：

Task2

要解决的问题：

市场供给者存在 “博弈” 行为，报价难以预测。

解决手段（ABM）：

• ABM方法提供了一个手段，允许将各市场供给者作为代理人（Agent）加入博弈环境。
• ABM的具体结构：

  • 代理（Agent）：系统中的基本个体，每个代理都有自己的属性和行为规则。

  • 环境（Environment）：代理活动的空间或网络，可能影响代理的行为。

  • 交互规则（Interaction Rules）：代理之间、代理与环境之间的相互作用规则。

  • 时间步（Time Steps）：系统按离散的时间步推进，模拟出系统的动态变化过程。

• ABM的交互规则：
  

对于Agent个体，会预测当日报价而调整自己的价格。

而通过对赛题数据的分析，发现：

• 光伏发电与火力发电抢占市场
  • 夜晚市场需求高于白天
  • 随季节推移，日出时间越早，火力发电越早跌价
  • 雨季时，光伏发电影响明显减弱
• 节假日对出清价格有较大影响
  • 五一，春节期间多次出现负电价

所以在ABM中，希望Agent预测报价结果，调整自己的出价，输出报价。
根据ABM生成的所有报价，计算市场出清价格。