AI市场博弈和价格预测（一）#Datawhale AI夏令营

本段任务

对中国电力现货市场基于ABM模型的预测，旨在以边际成本定价法作为基准线，对报价进行排序后，依次接受报价，直到市场出清（供应大于需求）的最后报价，以此估计市场出清价格。

代码和详细流程可见：官方文档：Datawhale（相当细致）

知识点

学到了：

• 数据的预处理：合并数据，加快数据处理
• 线性回归的拟合处理：由成本推报价
• ABM的基本使用场景

ModelScope平台

一个提供环境示例的模型平台，节省了自己在自己电脑上的环境搭建，并且还有更优质的硬件可以使用，算是加快了模型的运行效率

边际成本

额外多生产一单位产品所需要付出的成本

例子：电厂如果只发一度电，电的成本就很高（因为包括了基础设施占大头，而煤的成本占小头），而随着电厂发电量的增加，基础设施成本占比不断减少，增加的成本只算煤的，因此每度电的成本就会降低

中国电力现货市场

现如今电已经不只是国家进行提供，而是转为商品化，由市场竞价，并且分为中长期市场和现货市场。中长期应该是国家电网进行供电，签订长期供电合同；而现货市场是对短期电力需求增加的一种补充方式，进行短期的购电。

并且价格还由政府进行范围限制：

为什么有负电价？

负电价是指电力市场中的出清价格低于零的情况，也就是说，当发电厂为了把多余的电力卖出去，不但不收取费用，还给用电者付钱。这通常发生在供大于求的时候，比如新能源发电量过大、用电需求下降等。