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。
但现实中，电力现货市场有以下特点：
-
寡头竞争（几家电力公司独大，对价格有显著影响）
-
不完全信息（不同机组信息不互通，存在打信息差牟利的可能）
-
非合作博弈（机组之间各谋其利，追求各自的利益最大化）
-
参与者有限理性（受限于经济知识和对市场的了解，机组不一定能做出最优决策）
从而不同机组之间有复杂的博弈行为，这就让市场出清价格难以估计。
因此，要求针对电力现货市场价格和市场博弈主体的信息，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。
此题本质是一个回归（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，虽然可以纯粹依靠时间序列模型完成，但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，因此可以在两方面进行尝试上分。
最终评价指标为MSE（均方误差）和RMSE（均方根误差）的均值（事实上这和只用RMSE或者MSE是一样的），值越小越好，公式如下：
$$\text{MSE}=\frac{\sum_{i=1}^{n} (y_i - \hat{y}_i)^2}{n} $$
$$\text{Final Metric}=\frac{\text{MSE}+\sqrt{\text{MSE}}}{2 }$$
其中：
-
$$y_i $$为真实市场出清价格
-
$$\hat y_i$$为预测的市场出清价格
-
$$n$$为样本数量，这里是测试集的大小28228
ABM（Agent-Based Modeling），即基于个体的建模，是一种模拟系统复杂行为的工具。它通过模拟个体（代理）的行为和相互作用，来研究系统整体的动态变化。
ABM有很多应用案例，例如康威的生命游戏（Game of Life），新冠传染病传播模型、政府企业博弈模型、鸟群模型……
总结来说，一个典型的ABM模型由以下几个部分组成：
-
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。
定义了这些规则后，我们就可以开始模拟，并从模拟中发现ABM的核心“涌现现象”，即个体的行为涌现出了总体的变化。
市场出清价格（Market Cleaning Price）如何形成
注意，这里假设了只有数据集中的火电厂存在。但现实中火电厂会受风电、水电、太阳能等电力替代品竞争，同时总负荷一部分会被如跨省调电、蓄电等方式消耗，这些我们没有考虑在Baseline中。
电力市场的出清价格形成类似证券市场早上9:15-9:25的集合竞价，由于赛题只提供了总需求，我们可以认为需求曲线是一条直线。
出清价格的形成步骤如下：
-
所有发电机组申报自己卖出的电价和电量
-
市场根据机组报价，从低到高排序，依次从低价开始成交
-
当成交的容量和大于等于总需求时，达到市场出清（供需平衡），这时候最后一个达成交易的机组报价为市场出清价格
我们用一个实际案例来解释，假如市场总需求为3000MW，四个机组依次报价报量如下：
-
机组1：报价150元，容量500MW
-
机组2：报价200元，容量500MW
-
机组3：报价250元，容量2000MW
-
机组4：报价400元，容量2500MW
按价格从低到高，机组1先成交，随后是机组2、机组3，此时容量和等于总需求，不再有额外的电力需求，市场达到出清状态，市场出清价格为250元。
这里我们还可以发现一些现象：
-
机组4由于过高的价格竞标失败，导致没有卖出任何电力。现实中机组4不得不停掉一些发电机。但煤电机组频繁关停会影响设备寿命和性能，还可能延误后续高价时段的正常发电，最终只能亏本卖出。
-
机组1实际上能卖更多钱，如果他能预料到机组2和3报价为200和250，他就可以报价300元，保证最后一个出清的是他，而不是只能卖150元（但它无法报特别高的价，因为电力是公共物品，受政府管控，设置了价格上下限）
因此报价本身就是一个充满策略博弈的行为，就像在股市中总想做买入价格最低，卖出价格最高的那个人。
边际成本定价策略
实际边际成本并不会保持不变，由于边际报酬递减规律，其会随着发电量的增加而增加。但在该比赛中假设了边际成本不变。
在baseline中，我们选择了最简单的边际成本定价策略作为每个Agent的策略，在这里我们解释这样做是最朴素但也最稳健的原因，当然这种简单的策略没有包含智能体之间的交互以及与环境的交互。
边际成本的定义是生产额外一单位产品（这里是一度电）带来的成本增加，机组报出的电价不能低于边际成本，否则就会亏损。
-
假设机组突然报一个低价，原来边际成本是300元，现在报200元，最后发现市场以350元出清，导致自己损失了本来可能赚的150元
-
现在机组抬价，报1000元，然后发现低价的都先成交了，市场以400元出清，自己竞价失败，只能亏本售电。而电能具有难存储性，必须保证用电发电平衡，如果无法售出只能弃电，相当于成本价都无法收回。
因此长期来看，所有机组都会选择边际成本定价，至少能保证不亏不赚
但实际的电力市场并没有这么理想，不按边际成本报价才是正常的，具体来说发电机组可能产生如下行为：
-
分析供需关系，在预期电力需求上升时提高报价以获取更高收益；在预期电力供应过剩时降低报价以抢占市场份额
-
在成本价的基础上，乘以一个系数以获取额外利润
-
根据其他机组过去的边际价格，估计市场边际电价，并在该基础上报一个低价，保证自己的电量能完全卖出
-
预测其他机组的报价来提高自己报价
-
跟随大部队报价
这些策略可能被应用于后续的效果提升中
628
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
