Datawhale AI 夏令营——市场博弈与价格预测——Task1学习笔记

一.根据文档跑通baseline，拿下第一个分数

提交通道:http://competition.sais.com.cn/competitionDetail/532232/mySubmissions

学习指南：Datawhale

本赛题:“市场博弈和价格预测”挑战赛

二.赛题解读

主要针对“电力现货市场”，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， 采取集中竞价的方式，确定电能的交易量和价格；以实现资源优化配置。

最理想情况：

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）

实际情况：

• 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

本次比赛的要求：

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。

三.评审规则

1.数据说明

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

 

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。

2.评审规则

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：

四.简单介绍ABM（Agent-Based-Modeling）

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。

遵循三个规则;

1,每个智能体有初始的能量，移动会消耗能量，进食会增加能量

2.当能量过低，智能体死亡；当能量足够高，智能体会繁育

3.如果移动后遇到食物（对于羊来说是青草，捕食者来说是羊），则吃下它

主要构成：

• 代理：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：代理活动的空间或网络，可能影响代理的行为。

• 交互规则：代理之间、代理与环境之间的相互作用规则。

• 时间步：系统按离散的时间步推进，模拟出系统的动态变化过程。

五.其他相关市场概念

1.市场出清价格

出清价格的形成步骤如下：

1. 所有发电机组申报自己卖出的电价和电量

2. 市场根据机组报价，从低到高排序，依次从低价开始成交

3. 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

2.价格帽

即价格有上限和下限，举个例子：

电力现货市场中存在价格帽，即规定：

• 报价上限为：1300元/MWH

• 报价下限为：-80元/MWH

• 出清价格上限：1500元/MWH

• 出清价格下限：-100元/MWH

3.边际成本定价策略

定义：生产额外一单位产品（这里是一度电）带来的成本增加

因此带来一些影响最终价格的行为：

• 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

• ......