从零入门AI for Science（AI+经济）（Datawhale夏令营）

Task1：

1、赛题解读及个人理解：

（1）赛题背景

    本次赛题是不同电力公司主体的博弈下对市场出清价格的影响下，使用数学模型（主办方期待选手使用ABM模型）预测未来的市场出清价格。

（2）背景知识

      市场出清机制

出清机制是市场交易的核心过程，用于确定交易物品的价格和数量。在出清过程中，买家和卖家的报价被收集起来，并按照价格高低进行排序。随后，市场管理者从最高买价和最低卖价开始匹配交易，直到买卖双方的供需达到平衡。该平衡点对应的价格就是市场出清价格。（个人理解出清价格就是市场所能成交的最高价格，高了就会卖不出去而贱卖）

（3）提交格式

初赛选手提交的预测结果文件需要遵循下述格式。submit.csv/submit.xlsx

• 第一行为，；day,time,clearing price（CNY/MWh)
• 第二行开始，每行输出；day,time,clearing price （CNY/MWh)
• clearing price （CNY/MWh)的预测值应以浮点数的字符串表示形式提供，保留4位小数。

选手可以参考主办方提供的 示例文件：submit.csv/submit.xlsx

day,time,clearing price （CNY/MWh）
2024/4/1 , 0:15 , 352.334 
2024/4/1 , 0:30 , 355.536

2、ABM模型

我理解的就是给予每个agent不同的特征去模拟现实中每个主体的行为，通过不同agent之间的影响交互强化学习来预测整体的趋势走向。

就比如此次赛题中的主体是电力公司，如果直接从电力现货市场去预测的话是比较复杂的。但如果我们将一群具有同样属性的公司放到一个市场中去迭代，那规则是清晰明了的

3、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

Task 2：

此次任务是通过EDA来探索数据集的先验性，通过将数据集之间的关系可视化的方式，进一步挖掘数据的特性，进而更好地选择并优化模型从而提高模型预测的准确性。以下是运用EDA所得到的一些图像

......其实运行结果和学习文档中是一样（数据鲸 (linklearner.com)文档也有很详尽的分析，我就不赘述了。我这主要想做点补充：

1、气象会