基于AHP-FCM聚類的售電側市場化改革進展評估

, , , , ,

(1. 國網浙江省電力公司, 浙江 杭州 310007; 2. 浙江華云信息科技有限公司， 浙江 杭州 310052; 3. 國網浙江省電力公司經濟技術研究院, 浙江 杭州 310000; 4. 上海電機學院 電子信息學院, 上海 201306)

在新一輪電力體制改革中，售電側的市場化改革是一個亮點，也是一個難點。開放售電側市場可以讓用戶更加自主的選擇售電主體， 從而促使電價下調， 但同時改革也會導致現有電力市場利益格局的改變， 給改革帶來阻力。 為了穩步、 順利推進售電側的市場化改革， 有必要對售電側的市場化改革進程開展相關理論研究。建立售電側市場化改革的評價指標體系和進展評估模型，對售電側市場化改革進行綜合評估，有利于抓住售電側市場化改革的重要核心，避免在改革的過程中走彎路[1-2]。

目前，針對售電側市場化改革進展評估的研究較少，已有的評估指標體系不夠全面，或缺少對評估模型的研究。文獻[3]中分析了售電側市場化改革的內涵以及改革帶來的機遇與挑戰，對售電側市場化過渡期的問題尚未涉及。文獻[4]中給出了售電側市場化的制度設計和建議，指出了售電側改革在電力體制改革中的定位，但也未考慮售電側市場化改革進展的評估問題。文獻[5]中對于售電市場放開情況下的售電策略和交易談判進行了模型搭建及優化，但未涉及售電側市場化改革評估模型的研究。基于以上討論，結合目前售電側市場化改革的實際，本文中提出一種基于層次分析(analytic hierarchy process, AHP)法和模糊C均值(fuzzyC-means, FCM)聚類算法的售電側市場化改革進展評估模型[6-12]。首先，分析售電側市場化改革的影響因素，建立全面的進展評估指標體系；其次，采用AHP對選取的指標進行分層，根據指標的重要程度和影響力等，設置一級、二級和三級指標，計算相應的評定權重，同時，對影響改革進程的關鍵指標進行權重優化；最后，基于FCM聚類算法，搭建售電側市場化改革進展評估模型。

1 改革進程評估指標體系的建立

1.1 評估指標體系構建

建立客觀、全面的評估指標體系，是搭建有效評估模型的前提和基礎。評估指標體系應該能夠真實、全面地反映各市場分區所處的改革階段，既要考慮售電競爭主體，又要考慮電力用戶。同時，指標體系還應該具備開放性和成長性，以適應評估對象的進一步發展。基于以上考慮，本文中主要從售電市場基礎設施建設、售電市場機制建設、售電側市場化進程、售電市場增值服務以及電力用戶反饋5個方面搭建評估指標體系，并根據AHP法將以上5個方面作為二級指標進行分解，得到36個三級指標，如表1所示。

表中所示的三層次指標體系覆蓋了與售電主體有關的各種因素，同時還引入了用戶反饋指標，以確保評估結果更加的客觀與真實。同時考慮到隨著售電側市場化程度的推進以及新能源技術的發展，本文中還將清潔能源接入率列入了指標體系， 用來衡量售電側市場化改革的可持續發展程度。

1.2 評估指標的量化

1.2.1 量化評分標準

在售電側改革進展指標體系中，36個三級指標具有不同的屬性，量化時需要綜合考慮。對于效益型指標(如指標1、3、4、6等)，量化值越大越好，可以對這類指標在[0，10]區間內打分；對于區間型指標(如指標16、 18、 21等)， 指標值越接近指定區間越好，可以用百分數來表示；而對于售電公司的被投訴率(指標35)這種逆向指標則要求越小越好，因此，綜合以上原則，專家根據已有的電力市場化改革標準和相關規范，以及具有技術前瞻性的標準，通過分段賦值量化和專家打分制的等級評價方法對各指標評價打分，實現指標的量化[13-14]。具體量化等級評分標準如表2所示。

表2 售電側市場化改革進展指標按等級分類評分標準

1.2.2 量化權重的設定

根據AHP理論，各個三級指標受二級指標影響， 且各指標間相對獨立， 即， 假設各三級指標的決策變量為x1,x2, …,xn， 則二級指標的綜合評判函數為

y=ω1x1+ω2x2+…+ωnxn，

(1)

在x1,x2,…,xn中，任取2個值xi,xj(i≠j)，比較它們對于評判函數y的貢獻大小，然后按照表3所示的標度給xi/xj賦值。

表3 層次分析標度含義

根據表3得到三級指標決策變量兩兩比對后的數值，建立n階矩陣A，則三級指標的量化權重值便可以通過以下迭代得到：

4)若數列{ek}是收斂的， 則記其極限為e， 且e=(a1,a2,…,an)；

5)得到權重系數ωi=ai,i=1,2,…,n。

根據以上步驟計算得到三級指標的權重系數ωi后，采用同樣的步驟可以計算得到二級指標對總目標的排序權重，最終得到指標體系中各指標的權重值。

2 基于FCM聚類的進程評估模型

2.1 FCM聚類算法

在售電側市場化改革進程的指標體系中，各指標之間相互獨立，用來評估改革進程時需要進一步將大量的三級指標進行聚類，即先將改革劃分為不同階段，每一階段再劃分等級，最終提高評估的準確性[15]。根據以上分析，可以采用FCM聚類算法來搭建改革進程評估模型。

設待聚類的樣本X={x1,x2,…,xn}屬于P維歐式空間，xi∈P，i=1,2,…,n，將其分為C類；V={v1,v2,…,vC}為C個聚類中心點集；U=(uik)為隸屬度矩陣，uik表示第k個樣本在第i類中的隸屬度，且滿足定義目標函數為

(2)

式中：

其中m∈[1,∞)是加權指數，一般取1.5≤m≤2.5。

目標函數J(U,V)表示各類別中樣本到其所在聚類中心的加權距離平方和，其中權重是樣本xk對第i類隸屬度的m次方。通過引入J(U,V)便可以將聚類問題轉化為求minJ(U,V)的非線性規劃問題，經優化迭代求解后，得出近似最優解U、V，便可以最終確定樣本所屬的類[16-21]。

具體的算法流程如下。

初始化： 給定聚類類別數C(數據個數)， 2≤C≤n， 取模糊加權指數m=2，設定迭代停止閾值ε，一般0.001≤ε≤0.01，初始化聚類原型模式V。

步驟1) 計算或更新劃分矩陣U。

對于?i,k，如果dik>0，則有

(3)

如果?i,k，使dik=0，則有uik=1。

步驟2) 更新矩陣V。

(4)

步驟3) 計算目標函數J(U,V)，如果J(U,V)<ε，則算法停止并輸出隸屬度矩陣U和聚類原型矩陣V，否則重復步驟1)和步驟2)。

上述算法也可以先初始化聚類中心，然后再執行迭代過程，具體算法流程圖如圖1所示。

2.2 評估模型的搭建與仿真

將FCM算法用于售電側改革過渡期進展評估一般可進行2次聚類，首先初始化聚類原型，對改革劃分階段，在充分研究我國電改歷程與國外電改經驗的基礎上，根據我國當下售電市場改革的內在邏輯和改革方向，結合相關政策及改革試點情況，本文中將售電側改革過渡期分為3個階段，具體階段劃分見表4。

圖1 模糊C均值聚類算法流程圖

分析對象第一階段第二階段第三階段市場核心 大用戶直購電 以理貨市場為核心的初級市場體系 不斷完善的市場體系;不斷豐富的市場主體用戶群體 符合準入條件的大型工商業用戶 用戶逐步行使市場化自由選擇權 絕大部分用戶行使市場化自由選擇權售電主體 電網企業或擁有發電背景的售電公司為主 獨立售電公司逐步增多 多樣化的售電主體交易內容 長期合同簽訂的電量合同 向電力交易過渡 多樣化的交易品種

表中給出了市場核心、用戶群體、售電主體以及交易內容4個方面在售電側改革過渡期每一階段的內涵，具體指出了改革過渡期衍化過程中，各階段的典型特征。根據表4的階段劃分，可以在第1次聚類時確定n個市場(如以省為單位)的階段所屬，第2次聚類確定市場在具體某一階段中的等級劃分，評估模型如圖2所示。

圖2 基于模糊C均值算法的改革進度評估模型

圖中以我國大陸31個省級行政區域為評估對象進行售電側改革進展的評估，在第1次聚類時目標函數可取樣本點數n=31(即待分類市場數)；C為預定的類別數目，因售電側市場化改革分為3個階段，故C=3；指標數為36，指標值由各省市實際數據并結合專家打分確定，用a1—a36共36組列向量來表示，并根據AHP理論計算各指標權重；選取模糊因子m=2。在進行第2次聚類時，n、C等參數值根據第1次聚類得到的具體結果與實際需求確定。

根據上述算法流程，用MATLAB軟件仿真得到最終的聚類中心和隸屬度值。將各市場分區對應的聚類中心進行比較，選擇隸屬度值最大的聚類中心作為該樣本點所屬的類別，最終確定分類結果。三聚類中心的二維仿真圖如圖3所示。由圖可以看出，采用AHP和FCM算法可以有效地對各市場分區聚類，從而判斷各市場分區所處的改革進程。

圖3 三聚類中心的二維仿真圖

3 算例分析

以浙江、山西、海南、四川、青海、廣東、重慶等7個在經濟基礎、電力供需、電網發展、政策機制等方面存在差異的省市為例，取2016年和售電側改革進一步發展的2020年為分析斷面，根據該7個待評價市場分區的實際情況與相關數據，對改革進展進行評估。

3.1 2016年算例

2016年浙江、山西、海南、四川、青海、廣東、重慶等7個待評價市場分區在售電市場基礎設施建設、售電市場機制建設、售電側市場化進程、售電市場增值服務以及電力用戶反饋5個方面的36個指標，根據AHP理論計算得到各層指標的排序權重，如表5所示。

本輪售電側改革自2015年啟動以來已取得一定成果，但改革不是一蹴而就的， 從整體上看，各省市并未初步建立現貨電力交易市場，即仍處于售電側改革的第一階段。在對該7個省市進行售電側改革進展評估時，只進行1次聚類分析，確定其在售電側改革第一階段中的具體等級劃分。仿真參數如下：樣本點數n=7，指標數為36，類別數目C=3，選取加權指數m=2。

表5 售電側市場化改革進展指標權重分配

根據算法流程和數據設定，仿真得到2016年市場分區的最終聚類中心和隸屬度值，如表6所示。

根據表中的數據， 可以得到各市場分區所處改革進程的仿真結果。 仿真時用數字1—7依次代替上述7個省份， 可以看出屬于第一等級的市場分區是廣東和重慶，第二等級的是浙江和四川，第三等級的是山西、海南和青海。

表6 2016年各市場分區隸屬度值

用數字1—7依次代替上述7個省份，根據表6中的數據，可以看到各市場分區所處的改革進程，屬于第一等級的市場分區是廣東和重慶，第二等級的是浙江和四川，第三等級的是山西、海南和青海。

總體而言，所選7個省市在2016年均處于售電側市場化改革第一階段(大用戶直購階段)，但改革發展的快慢有所差別，各省在第一階段中所處等級不同，按照等級由高到低劃分，大致順序為廣東、重慶、浙江、四川、山西、海南、青海，該分析結果與實際電力市場情況基本吻合。

3.2 2020年算例

到2020年，經過一段時間的售電側市場化改革， 因各省市基礎不一，發展快慢有別，很可能將呈現不同的改革階段(如有的省份可能已步入成熟現貨市場，有的省份還可能處于大客戶直購階段)，故首先需要通過聚類分析確定其階段所屬，再進行第2次聚類以確定其在售電側改革某一階段中的具體等級劃分。仿真參數仍取樣本點數n=7，指標數為36，類別數目C=3，模糊因子m=2。

同2016年算例，仿真得到2020年市場分區的最終聚類中心和隸屬度值，如表7所示。

表7 2020年各市場分區隸屬度值

類似2016年，通過表7可以看出2020年屬于第一類市場分區的省份有浙江、廣東和重慶，屬于第二類市場分區的省份為山西和四川，屬于第三類市場分區的是海南和青海。預計在2020年，廣東、浙江、重慶已步入售電側改革第三階段，即成熟現貨市場；四川、山西處于售電側改革第二階段，即初級現貨市場；海南、青海可能仍處于售電側改革第一階段，即大用戶直購市場。另外，由于仿真只取了7個省份作為樣本，因此，在第1次聚類后，各階段的樣本數量過少，對模糊聚類分析的精確度有較大影響，故不再進行第2次聚類來確定其在售電側改革某一階段中的具體等級劃分。

4 結語

針對售電側市場化改革過渡期呈現出的不同特征以及出現的問題，本文中構建了改革進展評估指標體系，并采用AHP理論對各指標進行權重量化，對量化后評估指標進行FCM聚類，搭建售電側市場化改革進展評估模型。該評估模型降低了FCM對初值的敏感度，避免陷入局部最優，可以全面、客觀的評定改革所處的進程，對于小樣本聚類依然具有較好的準確性。仿真結果以及算例分析表明，通過將AHP與FCM聚類算法相結合，可以更加客觀、真實地對各市場分區所處的階段和等級進行評估，仿真結果與各市場分區的實際情況基本吻合。本研究成果無論是對政府職能部門，還是對電網企業和電力用戶來說，均具有較高的應用和參考價值，對于保證改革的穩步有序推進具有一定的現實意義。

[1] 國務院. 國務院關于印發電力體制改革方案的通知(國發[2002]5號)[Z/OL].[2017-01-13]. http://www.lawxp.com/statute/s1068870.html.

[2] 王金雪, 韓靜軒, 王金亮. 山東省電力消費和經濟發展關系的協整分析[J]. 濟南大學學報(自然科學版), 2008, 22(4): 21-24.

[3] 國務院. 關于進一步深化電力體制改革的若干意見(中發[2015]9號)文[Z/OL].[2017-01-13]. http://www.ne21.com/news/show64828.html.

[4] 朱剛. 售電側改革的探索與思考[J]. 中國電業, 2016(11): 22-23.

[5] 白楊, 謝樂, 夏清,等. 中國推進售電側市場化的制度設計與建議[J]. 電力系統自動化, 2015, 39(14): 1-7.

[6] 李歡歡, 張晨, 吳靜,等. 售電放開政策下發電商售電策略與交易談判優化模型[J]. 電力建設, 2017，38(3): 123-129.

[7] Public Utility Commission of Texas. Report to the 84th Texas legislature: scope of competition in electric markets in Texas[R/OL].[2017-01-13]. http://www.puc.texas.gov/industry/electric/reports/scope/2015/2015scope_elec.pdf.

[8] 楊小彬, 李和明, 尹忠東,等. 基于層次分析法的配電網能效指標體系[J]. 電力系統自動化, 2013, 37(21): 146-150.

[9] 喬偉峰, 曾洪云, 李云梅. 基于層次分析法的滇中經濟區土地資源集約利用研究[J]. 南京師范大學學報(自然科學版), 2013, 36(2): 113-118.

[10] ZHONG H, XIE L, XIA Q. Coupon incentive-based demand response: theory and case study[J]. IEEE Transactions on Power Systems, 2013, 28(2): 1266-1276.

[11] 王永欣, 張化祥, 王爽. 基于屬性加權的主成分分析算法[J]. 濟南大學學報(自然科學版), 2015, 29(6): 438-443.

[12] 李強, 周京陽, 于爾鏗,等. 基于混合量測的電力系統狀態估計混合算法[J]. 電力系統自動化, 2005, 29(19): 31-35.

[13] 鄭鑫, 張韌志. 一種基于模糊C均值聚類的協同過濾推薦算法[J]. 濟南大學學報(自然科學版), 2016, 30(1)：55-59.

[14] ZADEH L A. Fuzzy sets[J]. Information and Control， 1965, 8(3): 338-353.

[15] BEILMAN R, KALABA R, ZADEH L A. Abstraction and pattern classification[J]. Journal of Mathematical Analysis and Applications, 1966, 13(2): 1-7.

[16] RUSPINI E H. A new approach to clustering[J]. Information and Control, 1969, 15(8): 22-32.

[17] DUNN J C. A graph theoretic analysis of pattern classification via Tamura’s fuzzy relation[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1974, 4(3): 310-313.

[18] BEZDEK J C. A convergence theorem for the fuzzy ISODATA clustering algorithm[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1980, 2(1):1-8.

[19] WAGSTAFF K, CARDIE C, ROGERS S, et al. Constrained K-means clustering with background knowledge[C]//Proceedings of the Eighteenth International Conference on Machine Learning. San Francisco: Morgan Kaufmann Publishers Inc., 2001: 577-584.

[20] 莊瑞格,倪澤邦,劉學藝.基于擬蒙特卡洛的K均值聚類中心初始化方法[J].濟南大學學報(自然科學版),2017,31(1): 36-41.

[21] 林濟鏗，劉露，張聞博,等. 基于隨機模糊聚類的負荷建模與參數辨識[J]. 電力系統自動化, 2013, 37(14): 50-58.