提升电力现货市场出清结果可解释性的综合分析方法

吴洋，辛茹，邹文滔，苏向阳，刘双全，蒋燕，邵其专

(1. 云南电力调度控制中心，昆明650051；2. 北京清能互联科技有限公司，北京100080)

0 引言

“公平、公开、公正”是电力市场交易组织的基本原则之一，为了保障市场组织的客观性、透明性，提高市场风险防范能力，市场运营和监管机构需要深入了解市场交易的边界条件、主体行为、运营结果及其致因关系。因此，如何针对市场出清结果进行全面、合理分析，是值得研究和探讨的问题。

实际上，日前现货市场出清结果会受到市场主体报价以及众多复杂约束条件的影响，可能引起两个方面的难题：其一，现货市场出清依赖于大量的电网调度运行数据，若由于数据质量或者边界条件设置不合理等原因，导致现货市场出清结果不能满足全部约束的边界条件时，需要快速寻找预出清结果中约束条件被突破的原因[1 - 2]，从而更好地指导现货市场运行边界条件的管理；其二，仅依靠现货市场出清优化直接输出的市场主体中标电量和价格信息，在部分非典型场景下，可能难以核验并解释结果的合理性[3]，不能满足市场信息披露工作日益深入、细致的要求。

在现货市场出清边界数据管理方面，目前针对出清计算所需的边界数据的校验主要还是依靠数据本身的逻辑性[4]，难以根据市场出清的逻辑及历史运营情况及时发现异常或较为隐蔽错误。若发生数据输入错误甚至受到恶意的数据攻击[5 - 8]，可能导致市场运营的结果会被人为操纵。

在市场出清结果的合理性解释方面，目前主要依靠有限的专家经验来判断，或者是在事后进行详细的数据统计来分析[9 - 10]。由于国内区域和省级现货市场目前处在建设和试运行阶段，针对现货市场的运营经验仍处于积累完善阶段[11]。依靠当值运行人员的分析能力，难以保证全面性和完整性；事后回溯分析的过程对于现货交易组织工作的时效性影响较大。

为了兼顾现货市场出清结果分析的全面性、高效性的要求，部分学者提出使用基于数据驱动的方法，构建市场输入数据与输出电价的机器学习或深度学习模型，最后将实际输出电价与预测电价进行对比来检测出异常电价[12 - 13]，但通常难以直接给出异常现象的原因，针对市场出清结果的可解释性有待提高。

综上所述，为了高效地对现货市场出清结果进行分析和解释，支撑现货市场运行的边界数据管理和市场信息披露工作，本文提出了一种现货市场出清结果的综合分析方法，将市场结果分析的重点定位于电网运行的关键状态与市场出清价格[14]。首先，结合市场出清的原理和电网运行经验，挖掘机组启停状态和受限状态中的关键信息；然后，针对安全断面的重载和越限情况进行致因分析，再进一步对非典型的市场出清价格进行快速定位，根据市场出清的基本原理对其合理性予以解释。最后，基于某省级现货市场的边界数据进行模拟仿真，验证了所提方法的有效性。

1 电力现货市场出清结果的综合分析思路

现货市场出清计算输出结果中，最直接、最关键的信息是市场主体的成交量、成交价。市场出清需要求解安全约束机组组合(security constrained unit commitment, SCUC)和安全约束经济调度(security constrained economic dispatch, SCED)模型，考虑电网的运行边界及各种物理约束，经过全局优化后得到各机组的出力曲线，因此各机组的中标结果之间存在较强的耦合性[15]。

但是，在复杂约束耦合在一起的情况下，可能会出现一些非典型的现象，仅根据市场主体申报的量价信息，难以针对市场出清的结果进行致因分析与解释性的说明。由于机组、断面等设备的运行状态及其物理约束是市场出清的重要约束条件，同时也是电网调度和市场运营机构关注的重点信息[16 - 18]，因此本文将市场结果分析的重点定位于电网运行的关键状态与市场出清价格两个方面，提出电力现货市场出清结果分析的框架如图1所示。

图1 电力现货市场出清结果的分析框架Fig.1 Analysis framework of electricity spot market clearing results

针对电网运行的关键状态，主要涵盖机组的启停、最大、最小技术出力受限和爬坡受限情况，以及断面安全约束的达界和越界情况。借助运行经验进行非典型状态的筛选后，通过最优化原理进行致因分析。电网运行的状态分析结果，不仅是解释市场中标结果的重要参考，也是进一步展开市场价格分析的基础。

针对市场出清价格的分析，首先基于典型的历史运营信息分析日前价格走势与电力需求之间的相关性，若判断日前价格走势的相关性较低后，再进一步借助随机森林算法实现非典型价格的快速定位，从而避免逐时段、逐节点遍历展开价格分析。实际上现货市场出清价格的形成通常并非只有单一的原因，而是所有机组计划出力和约束条件综合作用的结果。基于机组启停、出力受限状态及断面阻塞分析的结果，也作为市场出清价格释义的直接证据，从而提高市场出清价格的可解释性。

2 电网运行关键状态的分析

2.1 机组启停原因分析

机组启停结果在求解安全约束机组组合后即可得到[15]。由于日前现货市场出清计算规模较大，断面数量众多且与机组出力耦合性强，在实际应用过程中为了满足时限要求，一般采用后验迭代的求解方法[19]：首先求解无安全约束的机组组合模型，然后采用直流潮流进行安全校核，若出现断面基态潮流越限则将该断面约束纳入新一轮的迭代并重新求解直到没有新增越限断面。

在无网络安全约束求解阶段，目标函数是发电总成本最小。此时发电成本将决定机组的启停，因此一般来说低启动成本和低报价的机组优先开机。同时在这一阶段，机组可能会由于并网时间不足被强制停机；在与初始时段衔接的时段，也可能因为连续启停时间不足而被强制开机或停机。

在有网络安全约束求解阶段，机组启停状态可能会因为安全原因而受到调整。为了缓解断面越限，成本较高的机组可能开机，而成本较低的机组关机。

通过比对上述两个阶段求解的机组启停结果，可以详细分析导致机组启停计划不同的原因。两个阶段求解的启停计划均相同的部分，会被视为由于最早并网时间、最小启停时间约束等原因，或是经济原因导致的机组启停结果；两个阶段得到的启停计划存在差异的部分，会视为由安全原因所致。通过上述分类表述，有助于解释部分低成本机组关机，而高成本机组却开机等非典型的结果。

2.2 机组受限状态分析

节点电价本质是节点微增单位负荷导致全网成本的变化量[20]，边际机组则是提供微增出力来平衡该节点微增负荷的机组。若在某一时段内存在机组运行状态受限，则说明该机组不属于边际机组。涉及的机组受限状态包括：受限于机组可调出力上下限、受限于上下爬坡能力。通过机组受限状态的分析，一方面可以识别各个节点的边际机组，从而更好地关注市场主体的行为、防范市场风险；另一方面，还可以更好地统计机组最大最小出力、爬坡能力的受限情况，辅助解释市场主体中标的结果，辅助分析市场出清价格的成因，还可以进一步为电网调节能力的分析提供更为详细的参考信息。

针对机组是否受限的直观判断方法有两种：1)逐条检查与机组相关的物理参数约束是否达界来判断该资源是否被耗尽；2)通过机组相关约束的影子价格来判断机组是否为边际机组。

根据KKT条件中的互补松弛条件：

λg(x)=0

(1)

式中：g(x)为约束表达式；λ为g(x)的拉格朗日乘子，g(x)≤0,λ≥0。 若g(x)=0， 则λ≥0， 若g(x)<0， 则λ=0。 若影子价格不为0，则可以认为机组受限，若影子价格为0，则不受限[21]。值得说明的是，当问题存在多解的情况时，即使不等式取到等号，该约束的影子价格依然可能为0。因此从理论上分析，存在机组出力达到出力上限但影子价格其实为0的情况，此时机组不应该被认为受到该种资源的限制。

基于此，第1种方法的结果可能存在偏差。本文的分析过程将使用第2种方法。若机组的所有物理参数约束影子价格都为0，则认为该机组为所在节点的边际机组。

2.3 断面阻塞原因分析

如果由于现货市场出清边界设置等原因，导致市场出清结果中存在部分断面安全约束临界或者越限时，有必要对其原因展开分析，以此提高出清结果的可解释性，并指导出清边界数据的调整。断面潮流表达式为：

FS=Gk-sPG-Gl-sPD

(2)

式中：FS为断面S的潮流；Gk-s为发电机组所在节点k对断面S的功率转移分布因子；Gl-s为负荷节点l对断面S的功率转移分布因子；PG为机组G的出力；PD为节点D的负荷。由式(2)可知，断面潮流由发电机组出力和节点负荷共同决定。

电力市场出清过程中节点负荷通常采用预测值[22]。若负荷预测值偏差过大，或者机组由于其他约束导致调节潮流能力受限，均有可能会造成断面越限，因此提出图2所示的断面阻塞原因分析流程。

具体包括以下两个步骤。

1)检查节点负荷是否异常。在市场出清过程中，节点负荷通常作为市场的边界条件。若考虑所有开机机组的最大调节能力后，断面依然越限，则可以认定负荷数据存在异常。

2)检查机组受限状态。机组调节潮流能力受限是导致断面阻塞的重要原因。本文根据机组受限状态将断面阻塞原因分为断面耦合原因、启停调度原因、经济调度原因。断面耦合原因主要体现在机组同时对多个断面有灵敏度，甚至对不同断面有着相反的灵敏度，这将会导致调节断面潮流时遇到困难，甚至会导致计算时间变长。启停调度原因和经济调度原因主要是由于机组出力优化时受到停机、出力上下限等限制。

图2 断面阻塞原因分析Fig.2 Analysis on the reason for section congestion

3 日前现货市场出清价格的分析

3.1 市场出清价格分析的必要性

电力市场出清价格由供需双方共同决定，鉴于电力商品不可储存、实时平衡等特殊的物理属性，实际的出清价格会受到众多因素的共同影响。为了及时发现价格信号中的异常，规避市场交易组织的风险，需要对市场价格的非典型现象进行成因分析[23]。

(3)

式中：Pd,i为节点i的负荷需求；N为负荷节点的数量；节点i的节点电价ρi通过式(4)求得。

(4)

式中：λ为系统功率平衡约束的影子价格；μk为断面约束k的影子价格；Tk,i为节点i对断面k的功率转移分布因子。

(5)

由式(5)可以看出，市场出清价格受到影子价格、灵敏度等因素的影响，而影子价格又与机组状态、断面状态等有关。因此，市场出清价格的分析有赖于对机组启停、机组出力受限和断面阻塞的原因分析。为了及时发现价格信号中的非典型现象，并快速分析该现象出现的原因，首先对日前电价变化趋势的合理性进行分析，若存在非典型的价格变化情况，则借助随机森林算法筛选、定位非典型电价的时段，最后再分析非典型市场价格的成因。

3.2 非典型市场出清价格的定位方法

3.2.1 日前现货价格趋势的合理性分析

负荷需求是影响市场出清价格的主要因素，一般情况下，节点电价与负荷变化呈现正相关的关系[24]。为量化分析两者之间的相关性，采用Pearson相关系数指标来量化加权平均节点电价序列和市场负荷序列相关关系的密切程度，计算如式(6)所示。

(6)

基于某省级市场的多份模拟运行数据，将系统负荷与平均节点电价序列数据作为分析样本，得到电价与负荷相关性实例的分析结果如图3所示。由图3可以看出，case1和case2的相关系数均大于0.8，两者的变化趋势有着强烈的相关性；但case3和case4中均存在明显异常的电价，此时相关性降到0.8以下。基于典型数据的分析，本文将合理性判定阈值取为0.8。即当r<0.8时，说明电价趋势可能存在非典型现象，需要进行时段定位和原因分析。

图3 价格与负荷相关性的实例结果Fig.3 Actual results of the correlation of prices and loads

3.2.2 非典型出清价格的定位

市场价格常见的3种非典型的状态包括：过高电价、过低电价和突变电价。上述3种情况均在一定程度上反映出电力市场的价格风险。对过高电价和过低电价设定固定的期望值，若高于某一期望值或低于某一期望值，有可能被认定为异常价格。突变电价则主要体现在相邻时段发生明显变化。为了减少对人工判断的依赖，并快速得到结果，本文提出了基于孤立森林(isolation forest, iForest)算法的非典型价格识别方法。

孤立森林算法利用集成学习的思路来完成异常点监测，通过随机超平面实现数据的分离，不断循环分离直到子空间只有1个数据点，因此适用于特征连续的时序数据。值得说明的是，将孤立森林算法用于市场出清价格的处理时，需要事先确定训练数据中的异常数据比例，该比例在实践中可由分析人员根据经验调整，本文结合模拟经验暂将其设定为5%。此外，由于算法求解过程中涉及的超平面是随机生成的，在不是非常明显的异常场景下，得到的结果可能略有不同。

孤立森林算法用于非典型价格识别的步骤如下。

步骤1：从连续电价数据样本集中，先随机选取t个训练数据作为训练子样本集。然后随机产生一个切割点作为超平面，将当前节点数据划分为2个子空间。

步骤2：不断迭代步骤1来构造新的子节点，直到子节点中只有1个数据或子节点已达到限定高度。多次重复步骤1可构造出多棵孤立树，将所有孤立树合并在一起可得到孤立森林。

步骤3：将测试数据xi应用于每一棵孤立树，计算其落在树上的层数h(xi)， 得到所有树的平均高度为E(h(xi))， 利用归一化公式(7)计算xi的异常指数S(xi,n)。

(7)

式中：H(·)为归一化过程函数；n为数据总样本数；k为树的序号；c(n)为归一化过程函数；常系数ξ取值为0.577 2。

步骤4：判断异常点。由于异常数据一般处在低密度区域，经过少数分割便可落在叶节点上，因此异常数据的层数通常较低。若平均高度越接近0，S(xi,n)越接近1，则xi是异常点的可能性越大。

基于某省级现货市场的出清模拟，得到孤立森林算法的电价数据检测效果如图4所示。

图4 孤立森林方法检测的异常电价Fig.4 Anomalous prices detection by iForest

从图4可以看出case1和case2中均有一个非常明显的突变，显然为异常点，算法能够较为精准地定位到这些非典型的情况。case3中在7:45—8:15的时段内，电价从199.72元/MWh快速攀爬至612.13元/MWh，远超过其他相邻时段的变化率，因此认定为非典型现象。

为了进一步说明随机森林算法的有效性，在异常电价的辨识场景中，还试用了其他典型的分类辨识方法：基于支持向量机(support vector machine，SVM)的方法、椭圆模型拟合法(fitting an elliptic envelope)和局部异常因子法(local outlier factor)。其他3种方法与孤立森立算法相比辨识效果较差，可能存在仅辨识出部分过低或部分过高的异常点，或者将大量非异常的价格数据也误判为异常价格。通过典型运行日的结果比对，说明孤立森林算法更适合于日前现货场景下的价格分析，该方法不需要计算距离或密度，具有线性复杂度低，相比于其他检测方法速度更快。

3.3 非典型市场价格的原因分析

如果全网无断面阻塞情况，式(4)中μk均为0，此时平均电价等于能量价格分量λ， 且等于边际机组的报价[25]。若此时出现非典型的电价情况，可以判断是由于机组报价普遍偏高(偏低)，或是由于“本不应该作为边际的机组”承担了额外边际单位负荷的发电任务所致。产生上述现象的原因，需要结合机组受限状态分析的结果做进一步解释。例如，当遇到突发事故，导致机组紧急停运，无法满足备用需求，从而不得不启用成本较高的快速响应机组；或者由于异常天气造成的异常负荷，用电需求大增，导致电力供应紧张，从而使得高价机组成为边际机组；也有可能新能源大发，且在优先出清序列，使得极低电价机组成为边际机组。

如果出清结果中存在安全约束临界或者越限，则非典型电价的原因很有可能是由阻塞导致。本文分以下两种情况进行说明。

3.3.1 断面安全约束越限

工程应用中为了保证市场出清的可执行性并给出越限约束的定位，通常将断面约束进行松弛处理。若出清结果中出现正向潮流越限，则断面的影子价格必然等于松弛变量在目标函数中的罚因子相反数，若出现反向潮流越限，则影子价格等于罚因子，具体证明过程如下。

现货市场出清模型的目标函数为：

(8)

式中：pi(t)为机组i在t时段的有功功率；Ci(pi(t))为机组i在t时段的运行成本；T为运行时段数；I为机组数量；M为断面松弛值的罚因子；S1l、S2l分别为断面安全约束的松弛变量；L为断面总数。

1)考虑系统负荷平衡约束

P(t)=D(t), [λ(t)] ∀t

(9)

式中：P(t)为各机组有功出力之和；D(t)为各时段系统负荷；λ(t)为平衡约束的影子价格。

2)机组功率上下限约束

(10)

3)上下爬坡约束

(11)

4)断面潮流约束

(12)

利用上述约束对应的影子价格，可构造拉格朗日函数：

(13)

(14)

(15)

需要说明的是，KKT条件成立的前提是所有函数可微，一元函数可微的充要条件是左右导数存在且相等。由于S1l及S2l在小于0时没有定义，因此在S1l=0或S2l=0处不存在左导数，此时L不可微。公式(13)和公式(14)分别在S1l>0和S2l>0时成立，即仅在断面越限时成立。

3.3.2 断面安全约束达界

若出现断面安全约束达界时，从理论上来说影子价格并没有一个确定的上限值。如图5所示，A、B、C、D分别为4个节点，1、2、3、4为4条断面。A节点处有发电机组，D节点处有负荷。假设断面1、2、3均越限，而断面4达界。根据影子价格定义，若断面4的限额放宽1 MW，则存在多1 MW功率经由断面4流向负荷处，因此在负荷不变的情况下，断面1、2、3皆可缓解1 MW越限，按照前文推导，此时总成本可降低3倍罚因子。因此，若断面达界，影子价格的值理论上可以远远超过罚因子的数值，为了解释该结果的成因，需要深入分析达界断面对出清价格的影响。

图5 并联断面示意图Fig.5 Sketdn diagram of parallel sections

需要说明的是，当出现阻塞时，式中的λ及μk都有可能出现异常的数值。在平衡节点处，由于其对所有节点的灵敏度均为0，由式可知平衡节点处的节点电价恒等于λ。 若平衡节点处机组受限，且附近又出现严重阻塞，导致微增的单位负荷必须由别处的机组增发，则可能会加剧断面阻塞情况，使得λ也会表现出异常。

4 算例分析

4.1 算例说明

本节以某省的模拟运行数据为例，验证所提出方法的有效性。省级现货市场出清的边界条件为：全网共100台机组，1 639个拓扑节点；预测日前负荷高峰为28 576 MW，低谷为19 965 MW；机组最高报价为490 元/MWh，最低报价为350 元/MW。

4.2 日前出清的电网运行关键状态分析

4.2.1 机组启停原因分析

日前现货市场出清完成后，得到日前计划中约有70台机组在日前出清过程中被调用过并处于开机状态。

为了进一步解释各台机组启停的原因，采用2.1节方法将无安全约束、有安全约束条件下的SCUC计算结果进行比对。两种条件下启停结果相同的部分可归结为机组指定状态和经济原因导致该机组的启停；存在差异的部分则是由于安全原因导致机组的启停。最终得到各时段的机组启停原因如图6所示。

图6 机组启停原因分析Fig.6 Causes analysis of unit startup and shutdown

由此可知，除了部分机组由于指定状态(检修、安全等原因)导致必开必停以外；剩余的机组中，大部分均是由于成本较低而开机(或成本较高而停机)，符合市场低价中标的逻辑。此外，对少部分机组而言，为了在部分时段缓解断面重载和过载，导致启停状态相对于无安全约束的结果有调整，针对这部分机组的结果可以借助安全原因予以解释。

4.2.2 机组受限状态分析

根据2.2节方法，将各时段机组运行约束的影子价格进行比对，可以得到各台机组的受限情况、边际机组的定位结果。以20：45时段为例，针对机组1～4的受限状态分析结果如表1所示。

由表1可知，在时段20:45内，机组1、机组2和机组3分别受限于出力上限、上爬坡、下爬坡约束，导致其均不能成为边际机组。机组4各种运行约束的影子价格均为0，且鉴于该时段在全网范围内，仅有机组4不存在运行状态受限的情况，因此机组4是该时段内全网统一的边际机组。

表1 20:45时段部分机组受限状态分析Tab.1 Limitation analysis of partial units at 20:45

不同的节点定价可能由不同的边际机组或同1台边际机组决定，边际机组对市场出清价格的影响很大。从实际应用的角度而言，若出清过程中某一时段出现非典型的价格，可以参考该时段机组的受限状态分析结果，进一步鉴别边际机组是否存在行使市场力的情况，从而有助于市场风险的防范。

4.2.3 断面阻塞的原因分析

日前现货市场出清后部分时段断面均存在达界或越限，需要分析达界或越限的原因来指导现货市场出清边界的调整和解释市场出清价格的成因。

基于2.3节方法，针对部分断面达界和越限原因的分析过程和结论，可以归结为如下两类。

1)启停调度和经济调度原因导致越限。

以断面1为例，反向极限为-314.18 MW，现货市场出清结果中该断面在21:00时段越限。图7为断面1越限原因及灵敏度相关机组的示意图。本算例中，根据全部节点的负荷需求计算得到该断面潮流为-313.91 MW，在机组5停机的情况下并不会导致断面1越限，因此可先判定负荷预测的边界数据并未直接导致断面越限。

接着，通过检查机组受限状态来分析该断面越限的原因。仅有机组2和机组5对该断面存在非0灵敏度，其中机组2对该断面的灵敏度为负。从原理上分析，应尽可能减少机组2出力才能缓解断面反向越限，因此出清结果中机组2受限于下滑坡达界，机组2在该时段的出力为280.5 MW。但是，机组5由于指定停机导致无法调节潮流，最终导致了断面潮流为-334.59 MW的越限结果。在现货市场出清的边界调整中，可以考虑通过改变机组5的指定状态来缓解越限。

图7 断面1越限分析Fig.7 Analysis of the security violation of section 1

2)断面耦合原因导致越限。

断面2、断面3的极限均为712 MW，图8为断面越限的原因分析示意图。参照2.3节方法，先判定节点负荷引起的潮流分量并未直接导致两个断面越限。然后，分析两个断面之间的耦合关系可知：断面2在变压器中压侧，断面3位于变压器高压侧，机组4以及其他机组同时对断面2和断面3存在非0灵敏度，且具有相反的作用效果。因此，断面2和断面3越限是由于断面耦合情况所致。

图8 断面2和断面3越限分析Fig.8 Analysis of the security violation of section 2 and section 3

4.3 非典型市场出清价格分析

4.3.1 日前现货价格的相关性分析

基于第3节的方法，需要先输出日前现货市场出清得到的各时段平均电价，并通过相关性分析来判定是否可能存在非典型的市场出清价格。

采用Pearson相关性分析方法，计算得到本例中日前现货市场出清的电价与系统负荷序列的相关系数仅为0.23，远低于本文模拟的经验值0.8。因此，判断市场价格可能存在非典型的情况，需要进一步开展非典型价格的定位和原因分析。

4.3.2 非典型价格的定位结果及原因分析

针对出清价格过高、过低的情况，可以通过设置上下限阈值的方法来直接判断。本节将基于孤立森林算法用于突变电价的快速定位，结果如图9所示。经孤立森林方法求得平均电价的可能存在异常的时刻为17:30、18:00、20:30、20:45。其中，20:45时刻的平均节点电价高达1 887.18 元/MWh。

图9 异常电价分析结果Fig.9 Anomalous price analysis results

以20:45时刻为例对非典型价格进行致因分析。将该时段越限断面的影子价格以及部分节点电价，统计如表2所示。本算例中，断面松弛的罚因子取值为1 000，因此正、反向越限断面对应的影子价格为±1 000 元/MWh。

表2 时段20:45的越限断面及影子价格Tab.2 Over limit section shadow prices at 20:45

表3为20:45时刻部分节点的价格。由4.2.2节的结果可知中，20：45时刻的边际机组为机组4，该机组的报价为425 元/MWh。结合表3可知，机组4所在节点的价格等于该机组报价，由此印证了该机组为边际机组。

表3 20:45时刻部分节点的电价 Tab.3 Electric price of partial nodes at 20:45元/MWh

20:45时刻的全部节点电价分布情况如图10所示。由此可知，大部分节点的电价集中在2 000元/MWh附近。该时段内，存在4个断面越限，且机组4对正向越限的断面2的灵敏度为正。由此可知，各节点微增单位负荷时，边际机组的微增出力会加剧断面越限，使得全网大部分节点电价中均包含了阻塞分量，最终导致节点电价普遍较高。通过上述分析可知，网络拓扑和安全约束的使得机组4对于市场价格存在较大的影响甚至操纵能力，需要在市场力防范措施方面进行针对性的考虑。

图10 20:45时刻各节点的电价Fig.10 Prices of nodes at 20:45

5 结语

本文提出了一种针对现货市场出清结果的综合分析方法，对现货市场出清得到的电网关键运行状态，以及市场价格的合理性进行致因分析。在电网关键运行状态分析方面，首先对机组启停原因进行详细分类，并基于影子价格及节点电价理论来判断机组是否受限以及受何种限制，作为断面阻塞和市场价格的分析基础。然后，基于现货出清原理进行断面临界和越界的原因分析，以此增强出清结果的可解释性并指导现货市场出清边界的调整。最后，提出了基于Pearson相关性理论和随机森林算法的非典型市场价格的辨识方法，并对其成因展开分析。以某省级现货市场的边界数据展开算例分析，验证了所述方法的有效性。

本文方法能为现货市场运营机构发布结果的合理性提供佐证，也可以根据结果反推出隐藏的边界数据问题，保证市场运营的公平性与透明性。值得说明的是，所述方法的分析结果主要还是提示机组受限的情况，并对达界的断面提示出对其有灵敏度机组受限的信息。对于如何进一步判断机组为何受限仍需要结合人工经验，例如机组意外没有接入主网导致停机，或者由于人为疏忽导致母线负荷数据缺失进而影响到潮流等等边界条件的错误。此外，如何对现货市场进行严格监控并防止出现由于异常边界条件导致的异常电价，充分利用大数据的优势在发生交易组织前识别出可能的异常数据，将是今后值得重点研究的内容。