【Datawhale AI夏令营】数学建模：市场博弈和价格预测学习记录

#AI夏令营 #Datawhale #夏令营
学习时间：2024 年 7.25～8.3

---

基于阿里云天池平台:“第二届世界科学智能大赛社会科学赛道：市场博弈和价格预测”

---

前言

利用所学知识，解决实际问题，加强动手能力

---

一、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。

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，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。

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。

二、赛题数据级介绍

electricity price.csv：电力市场的市场出清价格，市场需求等信息。训练集范围为2021年12月1日到2023年7月1日，共计55392个点；测试集范围为2023年7月1日到2024年4月18日，共计28228个点

1. Day/Time：交易时间，中国电力现货市场15分钟结算一次，一天共96个交易点
2. demand：区域内电力总负荷（总需求），单位为MW
3. clearing price (CNY/MWh)：市场出清电价，单位为元/MW·h

day	time	demand（MW）	clearing price (CNY/MWh)
2021-12-1	0:15	59005.46	350.8
2021-12-1	0:30	58689.69	350.8
2021-12-1	0:45	58565.88	350.8

unit.csv：存放市场供给者（各发电机组）的参数信息
机组数据包含549个不同的火电机组

1. unit ID：每个机组唯一的ID
2. Capacity（MW）：机组的额定容量（额定功率），越高机组的发电能力越强
3. utilization hour (h) ：电厂的年平均运行小时数，需要注意多个机组可能共同属于一个电厂，有相同的值
4. coal consumption (g coal/KWh)：每发一度电需要耗费多少煤炭，为成本参数
5. power consumption rate：电厂单位时间内耗电量与发电量的百分比，例如单位时间耗电量为500度电，发电量为10000度电，利用率就是500/10000=5%。

unit ID	Capacity（MW）	utilization hour (h)	coal consumption (g coal/KWh)	power consumption rate (%)
1	110	2069.12	266.07	6.91
2	160	5509.22	292.7	6.91
3	160	3562.79	293.35	6.91

三、比赛任务与评价指标

任务：预测未来的市场出清价格

预测的市场出清价格尽可能的接近现实市场中的出清价格。

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，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（影响复赛30%分数）。

最终评价指标为MSE（均方误差）和RMSE（均方根误差）的均值，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

四、Task1: 跑通 Baseline

在Datawhale贡献者团队的帮助下体验了一站式 baseline，并获得本次夏令营的第一个分数。

利用散点观察数据

fig = px.scatter(electricity_price,x="timestamp",y="clearing price (CNY/MWh)",color="demand",range_y=[-80,1300])
fig.show()

fig = px.scatter(electricity_price,x="timestamp",y="demand")
fig.show()

五、待更新