本发明属于参与电力市场交易的市场主体的竞价方法
技术领域：
，具体涉及一种清洁能源智能竞价决策方法和系统。
背景技术：
：发电商的竞价决策是指发电商在电力市场交易过程中根据市场规则进行报价决策时所采取的一整套报价方法。它对于发电商的业务运营具有特别重要的意义。发电公司作为市场的主体参与竞价运行，其收益将在很大程度上取决于其采用的竞价策略。目前有关发电厂竞价系统的研究，典型包括基于成本分析的方法、预测市场出清价的方法、估计竞争对手报价行为的方法以及基于博弈论的方法等。清洁能源电厂作为一类发电商，有它自己的成本和出力特性。与传统发电技术相比，尽管可再生能源发电的单位容量的平均投资成本较高，但其边际成本可能较低，甚至接近零。虽然已有的各类研究成果都有一定的成效，但是由于市场环境的复杂性、影响市场交易的因素众多以及清洁能源电厂本身的特性，导致清洁能源电厂在使用以上成果参加市场交易时还有以下不足：1)市场交易报价策略难以用某一种或几种数学公式精确解析。市场交易的报价是否合理、能否取得满意结果，既取决于众多市场内外客观因素，也取决于市场主体的各种理性和非理性主观选择。在这里，从业专家的经验和启发性知识具有重要价值。2)清洁能源电厂本身的市场特性复杂，现有方法不能完全适用。清洁能源本身具有随机性、波动性的特点，同时还具有投资成本高而实时边际成本低的特点，再加上全球各国普遍采取了支撑清洁能源发展的补贴制、配额制等政策，不同国家和地区的政策在不同阶段也有或大或小的区别。以上因素导致了清洁能源电厂参加电力市场交易，不能简单地拿一般的发电厂参与市场竞价策略来使用，而必须考虑更多的特性因素。3)市场环境多样，现有方法难以全面覆盖和及时更新。不同国家和地区的政策在不同阶段都有或大或小的区别，而市场对清洁能源电厂参与市场竞价的要求也是有区别的。既有年度、月度中长期交易，也有日前、日内实时现货交易；既有省间交易，也有省内交易；同一类交易还有不同品种，例如清洁能源专场交易、清洁能源打捆交易、清洁能源与传统火电混合交易等。甚至报价形式的不同，也对发电厂的报价策略有重要影响，例如目前电力现货市场的市场规则普遍采用非负递增的分段报价形式，这也可能影响了许多传统的竞价策略的实际可操作性。以上问题妨碍了清洁能源电厂参与电力市场竞价博弈，既严重影响清洁能源电厂的经济利益，不利于清洁能源的总体发展，也影响了电力市场的充分博弈，不利于社会资源的最合理分配和使用。技术实现要素：为克服上述现有技术的不足，本发明提出一种清洁能源智能竞价决策方法，其改进之处在于，包括：获取市场交易相关信息结合所述市场交易相关信息，利用预先建立的清洁能源报价知识规则库进行竞价推理；根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价。优选的，所述清洁能源报价知识规则库的建立，包括：获取市场交易相关信息的历史数据；根据所述历史数据，构建清洁能源报价知识规则库；其中，所述清洁能源报价知识规则库包括多项规则，每项规则分别包括：决策指标组以及与决策指标组对应的决策报价序列；清洁能源电厂当前内外部的相关市场指标因子数据符合决策指标组时，以决策报价序列作为报价建议。优选的，所述决策指标组，包括：市场类型、报价时间段和结算地点；所述决策报价序列包括：报价、中标概率和预期满意度。优选的，所述结合市场交易相关信息，利用知识库进行竞价推理，包括：根据决策指标组所关注的市场指标因子，收集市场内外相关信息，并形成清洁能源报价知识规则库中各市场指标因子在当前市场情况下的决策指标组数据；遍历所述清洁能源报价知识规则库，判断当前的决策指标组数据是否满足所述清洁能源报价知识规则库中各条决策指标组；若满足，则以对应的决策报价序列作为推荐报价建议，同时计算所述决策报价序列对应的决策指标组数据的命中率；收集所有满足决策指标组的决策报价序列，形成推荐报价建议。优选的，所述判断当前的决策指标组数据是否满足所述清洁能源报价知识规则库中各条决策指标组，包括：针对清洁能源报价知识规则库中的每条决策指标组，分别判断当前的决策指标组数据中的市场类型和结算地点是否与各条决策指标组中的市场类型和结算地点完全一致，并且判断当前的决策指标组数据中报价时间段是否在各条决策指标组中报价时间段范围内；若两项判断结果均为是，则判断满足所述清洁能源报价知识规则库中的决策指标组，否则不满足所述清洁能源报价知识规则库中的决策指标组。优选的，所述命中率的计算式如下：式中，h表示命中率，n表示满足的决策指标组数目，ci,1表示第i项决策指标组中指标有效值范围下限，ci,2表示第i项决策指标组中指标有效值范围上限，ai表示当前的决策指标组数据在第i项决策指标组中对应指标的值。优选的，所述根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价，包括：把竞价推理得到的推荐报价建议按照报价进行排序，并合并相同的报价建议；根据当前的市场期望和风险偏好数据，对推荐报价建议进行选择；以选中的推荐报价建议为基础，根据市场对报价形式的要求，进行报价。优选的，根据推荐结果进行报价之后，还包括：通过针对报价的市场交易结果，对报价进行评估，并转化为新的知识，输入并更正清洁能源报价知识规则库。优选的，所述通过针对报价的市场交易结果，对报价进行评估，并转化为新的知识，输入并更正报价知识规则库，包括：基于当前针对报价的市场交易的结果，选择与所述结果对应的规则进行更新修正；若当前市场交易的结果包括新的知识，则将知识以决策指标组以及与决策指标组对应的决策报价序列的形式，加入所述清洁能源报价知识规则库成为新的规则；其中，所述规则为所述清洁能源报价知识规则库中的规则，所述规则包括：决策指标组以及与决策指标组对应的决策报价序列，所述决策指标组，包括：市场类型、报价时间段和结算地点，所述决策报价序列包括：报价、中标概率和预期满意度。优选的，所述基于当前市场交易的结果，选择与所述结果对应的规则进行更新修正，包括：基于当前市场交易的结果，选择市场类型和结算地点与所述结果完全符合，且报价时间段符合所述结果的所有规则；针对每条被选择的规则，分别按照当前市场交易的结果分别为中标和不中标两种情况修正中标概率，同时对修正次数进行修正；针对每条被选择的规则，若当前市场交易的结果为中标，修正预期满意度。优选的，中标时，所述中标概率按照下式修正：不中标时，所述中标概率按照下式修正：所述修正次数按照下式修正：k1＝k 1式中，p1表示所述规则修正后的中标概率，p表示所述规则修正前的中标概率，k1表示所述规则修正后的修正次数，k表示所述规则修正前的修正次数，a表示所述规则的更新系数。优选的，所述预期满意度按照下式修正：式中，s1表示所述规则修正后的预期满意度，s表示所述规则修正前的预期满意度，s'是本次报价的用户满意度，a表示所述规则的更新系数。基于同一发明构思，本发明还提供了一种清洁能源智能竞价决策系统，其改进之处在于，包括：数据采集模块、竞价推理模块和修订模块；所述数据采集模块，用于获取市场交易相关信息；所述竞价推理模块，用于结合所述市场交易相关信息，利用预先建立的清洁能源报价知识规则库进行竞价推理；所述修订模块，用于根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价。优选的，所述系统还包括历史数据和知识转化模块；所述历史数据和知识转化模块，用于根据采集的市场交易相关信息的历史数据，建立清洁能源报价知识规则库；其中，所述清洁能源报价知识规则库包括多项规则，每项规则分别包括：决策指标组以及与决策指标组对应的决策报价序列；清洁能源电厂当前内外部的相关市场指标因子数据符合决策指标组时，以决策报价序列作为报价建议。与最接近的现有技术相比，本发明具有的有益效果如下：1)本发明提供了一种清洁能源智能竞价决策方法和系统，包括：获取市场交易相关信息；结合市场交易相关信息，利用预先建立的清洁能源报价知识规则库进行竞价推理；根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价。本发明不再基于某一种或几种固定的成本、利润和市场模型，而是能够综合历史知识经验提供报价参考。2)本发明中的清洁能源报价知识规则库，可以涵盖不同的市场和政策环境，适应市场主体不同的市场期望和风险偏好。3)本发明通过引入专家系统，很好地把历史经验知识引入竞价策略系统，特别适合电力交易这样市场主体主观选择具有重要影响的环境。4)本发明能够持续引入历史经验知识，并随同市场交易的发展的不断更新演化。附图说明图1为本发明提供的一种清洁能源智能竞价决策方法流程示意图；图2为本发明提供的一个清洁能源智能竞价决策方法具体的实施例的流程示意图；图3为本发明提供的一种清洁能源智能报价系统示意图；图4为本发明提供的一个清洁能源智能报价系统具体的实施例的示意图。具体实施方式下面结合附图对本发明的具体实施方式做进一步的详细说明。实施例1：针对清洁能源电厂参与市场竞价决策方法研究的不足，本发明试图采用一类人工智能技术——专家系统，构建包含历史经验和知识的清洁能源电厂智能竞价决策方法，并能够不断完善和改进，把历史经验和客观的市场数据紧密结合起来，支持清洁能源电厂参与市场交易，最终支持清洁能源的发展。本发明提供的一种清洁能源智能竞价决策方法流程示意图如图1所示，包括：步骤1：获取市场交易相关信息；步骤2：结合市场交易相关信息，利用预先建立的清洁能源报价知识规则库进行竞价推理；步骤3：根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价。一个清洁能源智能竞价决策方法具体的实施例如图2所示，包括如下步骤：步骤101：根据历史数据，构建清洁能源报价知识规则库；其中，清洁能源报价知识规则库，包括多项规则，每项规则分别包括：决策指标组以及与决策指标组对应的决策报价序列；清洁能源电厂当前内外部的相关市场指标因子数据符合决策指标组时，以决策报价序列作为专家报价建议。本实施例中，清洁能源报价知识规则库简称为知识规则库或知识库。更具体的：101-i、知识规则库的基本形式如式(1)所示：if决策指标组then决策报价序列式(1)；其中“决策指标组”，是对清洁能源电厂参加电力市场交易报价决策有影响的电厂内外部各种指标因子的取值范围；这些指标因子的选择，根据历史经验的范围和知识规则库的积累可以不断扩充，但是最基本的几个因子是“市场类型”、“报价时间段”和“结算地点”，其中“市场类型”因子表示本条规则所适用的市场类型，可取值包括“年度集中撮合出清”、“年度集中边际出清”、“月度集中撮合出清”、“月度集中边际出清”、“日前集中边际出清”和实时集中边际出清”等，“报价时间段”因子表示本条规则的有效时间段，取值为开始和结束时间，“结算地点”因子表示本条规则所适用的电力市场交易结算地点，取值为结算地点名称，此外可以包括“度电成本”、“参与交易的用户侧总负荷预测”、“参与交易发电厂装机容量之和”和“历史相似日平均价格”等因子；“决策报价序列”，是专家系统所给出的报价建议，其内容主要包括以下几个数据：“报价”、“中标概率”和“预期满意度”，其中“报价”数据表示本条规则建议的参加市场交易的报价，“中标概率”表示按照本条规则的报价，预期的市场中标概率，“预期满意度”表示对本条规则的报价的预期满意度，即如果以价格中标，本市场主体的满意度；为了实现专家系统自我完善和持续改进，在知识规则库里的每条规则中，“决策报价序列”还包括以下数据因子：“修正次数”、“更新系数”和“修正次数”初值默认设为100，表示历史经验已经经过历史数据验证，每经历一次实际报价数据经验更新或者同一内外部数据指标因子环境下的历史知识经验更新就增加1；“更新系数”，表示在多大程度上接受新的实际市场数据经验或者历史经验知识，取值范围为0.1～10之间，数值越大表示越容易接受新的经验或知识更新，即相当于更新速度；其中，“专家系统”为：基于知识规则库和推理判断形成的软件系统。101-ii、式(1)的含义是，如果清洁能源电厂当前内外部的相关市场指标因子数据，符合“if”后的“决策指标组”条件，则推出“then”后的“决策报价序列”作为专家报价建议；101-iii、由于不同的专家所关注的市场内外部指标因子不同，所以知识库里的形如式(1)的知识规则中，“决策指标组”中指标因子个数可以很多，但并不要求每一条规则都赋予全部指标因子数值，其中“市场类型”、“报价时间段”、“结算地点”几个指标因子的数据是必须要赋值的，其他的因子，则该条规则对此因子数据有规定要求就赋值，否则不赋值；“决策报价序列”中的“报价”、“中标概率”、“预期满意度”3个因子必须赋值，“修正次数”、“更新系数”则系统赋有默认初值，如果必要可以修改。步骤102：结合市场交易相关信息，利用知识库进行竞价推理；步骤102具体包括：102-i、根据知识规则库中“决策指标组”条件所关注的市场指标因子，收集市场内外相关信息，并形成知识规则库中各市场指标因子在当前市场情况下的“决策指标组”数据；102-ii、顺序遍历报价知识规则库，判断当前的“决策指标组”数据是否满足规则库中各条规则的“决策指标组”条件，判断是否满足“决策指标组”条件时，“市场类型”、“结算地点”必须完全符合，“报价时间段”则只要落在所规定的时间段范围内就算符合，其他指标因子的值如果是单个值，则当前的“决策指标组”在该指标因子上的数据必须完全一样才算符合条件，否则如果指标因子的值是一个范围，则只要当前的“决策指标组”在该指标因子上的数据落在该范围内，就算符合；102-iii、如果当前的“决策指标组”数据满足规则库中哪一条规则的“决策指标组”条件，则其后的“决策报价序列”，则作为推荐报价建议之一，同时计算该“决策报价序列”所对应的“决策指标组”数据的“命中率”，计算方法如下：不失一般性，假定该“决策指标组”的范围型指标因子数是n，该指标因子的规定是一个取值范围，对应的指标分别是ai，其中i从1到n，假定ai的指标有效值范围是[ci,1,ci,2]，其中ci,1≤ci,2，当前的“决策指标组”数据在ai指标上的取值为ai，则必有ai∈[ci,1,ci,2]，命中率h定义为：命中率实际就是当前市场因子数据符合报价知识规则库中该条规则的“决策指标组”条件的程度，其取值范围为0～1，数值越大越符合。102-iv、收集所有“决策报价序列”，每条“决策报价序列”包括“报价”、“中标概率”、“预期满意度”、“命中率”等数据，形成推荐报价建议；步骤103：根据期望和风险偏好，对推理结果进行修正，并根据推荐结果进行报价；103-i、把专家系统推荐报价建议按照“报价”进行排序，合并相同的报价建议，合并时，“中标概率”、“预期满意度”、“命中率”取采用该报价的几条建议的平均值。103-ii、根据当前的市场期望和风险偏好，对专家系统的系列报价建议进行选择，首先可以把专家系统推荐报价建议按照“预期满意度”进行排序，根据当前的市场期望，可以保留满足期望值的报价，然后在把所保留的报价建议按照“中标概率”进行排序，结合这些建议的“命中率”，根据当前的风险偏好，进行选择；103-iii、以专家系统推荐报价建议为基础，根据市场对报价形式的要求，进行报价。步骤104：通过对应报价的市场交易结果，对报价进行评估，并转化为新的知识，输入并更正报价知识规则库。104-i、根据当前市场交易的结果，对当前知识规则库中选定的规则进行更新修正，修正范围是这些规则的“决策指标组”中“市场类型”、“结算地点”因子要求与当前市场交易完全符合，并且当前时间符合该规则的“报价时间段”范围；104-ii、修正“决策报价序列”中“中标概率”数据p的方法如下：如果该条规则的报价在本次市场交易中能够中标，则按式(3)和式(4)修正：k1＝k 1式(4)其中，p1表示该条规则修正后的“中标概率”数据，p表示该条规则原来的“中标概率”数据，k1表示该条规则“决策报价序列”中修正后的“修正次数”，k表示该条规则“决策报价序列”中原来的“修正次数”，a表示该条规则“决策报价序列”中的“更新系数”。如果该条规则的报价在本次市场交易中不能中标，则按式(5)和式(6)修正：k1＝k 1式(6)104-iii、修正“决策报价序列”中“预期满意度”数据s的方法如下：根据本次市场交易结果，如果本条规则的报价能够中标的话，估算出当前预期满意度为s'，s1表示该条规则修正后的“预期满意度”数据，s表示该条规则原来的“预期满意度”数据，s'是本次报价的用户满意度，是主观满意度，用户心理是否满意，只有用户自己知道，作为s'即可。则本条规则“决策报价序列”中“预期满意度”按式(7)修正：104-iv、如果有新的经验知识，则可以按照步骤101中所述的规则格式，增加清洁能源报价知识规则库中的规则。实施例2：基于同一发明构思，本发明还提供了一种清洁能源智能竞价决策系统，由于这些设备解决技术问题的原理与清洁能源智能竞价决策方法相似，重复之处不再赘述。该系统如图3所示，包括以下模块：数据采集模块，用于获取市场交易相关信息；竞价推理模块，用于结合市场交易相关信息，利用预先建立的清洁能源报价知识规则库进行竞价推理；修订模块，用于根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价。清洁能源智能竞价决策系统的一个具体实施例如图4所示，包括：1)报价知识规则库：报价知识规则库中的规则，形如式(1)所示。不失一般性，以一个简单的例子示范，其“决策指标组”因子主要如表1所示。表1“决策指标组”因子其中，“决策报价序列”数据主要如表2所示。表2“决策报价序列”数据2)历史数据和知识转化模块：该模块负责把专家参与市场竞价的经验和知识，转化为知识规则库中的规则，即历史数据和知识转化模块用于根据采集的市场交易相关信息的历史数据，建立清洁能源报价知识规则库。在本实例中，依据式(1)所建立的知识规则示例如表3。表3知识规则示例3)竞价推理模块：该模块负责根据当前市场内外部相关信息，检索知识规则库中的知识规则，进行竞价推理，并依据式(2)进行命中率计算，得出本次电力市场竞价决策初步建议。在本实例中，根据当前市场内外部相关信息，关注知识规则库里各“决策指标组”因子的当前数据，如表4所示。表4市场当前“决策指标组”因子数据顺序遍历报价知识规则库，判断当前的“决策指标组”因子数据是否满足规则库中各条规则的“决策指标组”条件，如果满足，就把该条规则的“决策报价序列”作为本次推荐报价建议之一，并计算命中率(当前“决策指标组”因子数据符合该条知识规则的条件的程度)情况，得到表5所是的初步报价建议。表5初步报价建议建议报价中标概率预期满意度命中率建议10.27元99％50％0.54建议20.28元90％60％0.54建议30.29元60％80％0.54建议40.30元30％95％0.54建议50.30元80％90％0.534)修订模块：该模块负责根据期望和风险偏好，对推理结果进行修正，并形成合规的市场报价。在本实例中，对专家系统初步报价建议按报价排序，发现有2个报价0.30元的建议，进行合并，按前述步骤进行合并，得到表6。表6初步报价建议合并表6中，深色底色，即建议4的是修正更新的数据如果本次参加市场交易，由于先期已取得一定电量销售成绩，本次市场期望预期满意度为70，则首先排除建议1和建议2，同时又希望中标多一些保障，则考虑到建议3无论是中标概率和命中率都比建议4要高，所以初步选择建议3作为本次报价。根据本次市场要求，进一步以建议3的报价为基础，转化为合规的市场报价形式参与市场竞价。5)市场效果校验模块该模块负责通过市场交易结果，对报价进行评估，并转化为新的知识，输入并更正报价知识规则库。在本实例中，如果本次市场实际出清价格为0.28，则本电厂本次报价没有中标。事后经调查，对各价格的现场主观满意度为表7所示。表7市场出清后对各价格的现场主观满意度则根据本次投标经验，更新知识规则库，如表8所示。表8更新后的知识规则示例表8中，深色底色的是根据本次投标经验，更新的数据。如果经过启发，有新的经验知识，还可以通过“历史数据和知识转化模块”，在“知识规则库”中增加新的报价知识规则。6)数据采集模块该模块用于获取市场交易相关信息。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。当前第1页1 2 3
技术特征：1.一种清洁能源智能竞价决策方法，其特征在于，包括：
获取市场交易相关信息；
结合所述市场交易相关信息，利用预先建立的清洁能源报价知识规则库进行竞价推理；
根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价。
2.如权利要求1所述的方法，其特征在于，所述清洁能源报价知识规则库的建立，包括：
获取市场交易相关信息的历史数据；
根据所述历史数据，构建清洁能源报价知识规则库；
其中，所述清洁能源报价知识规则库包括多项规则，每项规则分别包括：决策指标组以及与决策指标组对应的决策报价序列；
清洁能源电厂当前内外部的相关市场指标因子数据符合决策指标组时，以决策报价序列作为报价建议。
3.如权利要求2所述的方法，其特征在于，所述决策指标组，包括：市场类型、报价时间段和结算地点；
所述决策报价序列包括：报价、中标概率和预期满意度。
4.如权利要求3所述的方法，其特征在于，所述结合市场交易相关信息，利用预先建立的清洁能源报价知识规则库进行竞价推理，包括：
根据决策指标组所关注的市场指标因子，收集市场内外相关信息，并形成清洁能源报价知识规则库中各市场指标因子在当前市场情况下的决策指标组数据；
遍历所述清洁能源报价知识规则库，判断当前的决策指标组数据是否满足所述清洁能源报价知识规则库中各条决策指标组；
若满足，则以对应的决策报价序列作为推荐报价建议，同时计算所述决策报价序列对应的决策指标组数据的命中率；
收集所有满足决策指标组的决策报价序列，形成推荐报价建议。
5.如权利要求4所述的方法，其特征在于，所述判断当前的决策指标组数据是否满足所述清洁能源报价知识规则库中各条决策指标组，包括：
针对清洁能源报价知识规则库中的每条决策指标组，分别判断当前的决策指标组数据中的市场类型和结算地点是否与各条决策指标组中的市场类型和结算地点完全一致，并且判断当前的决策指标组数据中报价时间段是否在各条决策指标组中报价时间段范围内；
若两项判断结果均为是，则判断满足所述清洁能源报价知识规则库中的决策指标组，否则不满足所述清洁能源报价知识规则库中的决策指标组。
6.如权利要求4所述的方法，其特征在于，所述命中率的计算式如下：
式中，h表示命中率，n表示满足的决策指标组数目，ci,1表示第i项决策指标组中指标有效值范围下限，ci,2表示第i项决策指标组中指标有效值范围上限，ai表示当前的决策指标组数据在第i项决策指标组中对应指标的值。
7.如权利要求1所述的方法，其特征在于，所述根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价，包括：
把竞价推理得到的推荐报价建议按照报价进行排序，并合并相同的报价建议；
根据当前的市场期望和风险偏好数据，对推荐报价建议进行选择；
以选中的推荐报价建议为基础，根据市场对报价形式的要求，进行报价。
8.如权利要求1所述的方法，其特征在于，所述根据推荐结果进行报价之后，还包括：
通过针对报价的市场交易结果，对报价进行评估，并转化为新的知识，输入并更正清洁能源报价知识规则库。
9.如权利要求8所述的方法，其特征在于，所述通过针对报价的市场交易结果，对报价进行评估，并转化为新的知识，输入并更正报价知识规则库，包括：
基于当前针对报价的市场交易的结果，选择与所述结果对应的规则进行更新修正；
若当前市场交易的结果包括新的知识，则将知识以决策指标组以及与决策指标组对应的决策报价序列的形式，加入所述清洁能源报价知识规则库成为新的规则；
其中，所述规则为所述清洁能源报价知识规则库中的规则，所述规则包括：决策指标组以及与决策指标组对应的决策报价序列，所述决策指标组，包括：市场类型、报价时间段和结算地点，所述决策报价序列包括：报价、中标概率和预期满意度。
10.如权利要求9所述的方法，其特征在于，所述基于当前市场交易的结果，选择与所述结果对应的规则进行更新修正，包括：
基于当前市场交易的结果，选择市场类型和结算地点与所述结果完全符合，且报价时间段符合所述结果的所有规则；
针对每条被选择的规则，分别按照当前市场交易的结果分别为中标和不中标两种情况修正中标概率，同时对修正次数进行修正；
针对每条被选择的规则，若当前市场交易的结果为中标，修正预期满意度。
11.如权利要求10所述的方法，其特征在于，中标时，所述中标概率按照下式修正：
不中标时，所述中标概率按照下式修正：
所述修正次数按照下式修正：
k1＝k 1
式中，p1表示所述规则修正后的中标概率，p表示所述规则修正前的中标概率，k1表示所述规则修正后的修正次数，k表示所述规则修正前的修正次数，a表示所述规则的更新系数。
12.如权利要求10所述的方法，其特征在于，所述预期满意度按照下式修正：
式中，s1表示所述规则修正后的预期满意度，s表示所述规则修正前的预期满意度，s'是本次报价的用户满意度，a表示所述规则的更新系数。
13.一种清洁能源智能竞价决策系统，其特征在于，包括：数据采集模块、竞价推理模块和修订模块；
所述数据采集模块，用于获取市场交易相关信息；
所述竞价推理模块，用于结合所述市场交易相关信息，利用预先建立的清洁能源报价知识规则库进行竞价推理；
所述修订模块，用于根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价。
14.如权利要求13所述的系统，其特征在于，还包括历史数据和知识转化模块；
所述历史数据和知识转化模块，用于根据采集的市场交易相关信息的历史数据，建立清洁能源报价知识规则库；
其中，所述清洁能源报价知识规则库包括多项规则，每项规则分别包括：决策指标组以及与决策指标组对应的决策报价序列；
清洁能源电厂当前内外部的相关市场指标因子数据符合决策指标组时，以决策报价序列作为报价建议。
技术总结本发明提供了一种清洁能源智能竞价决策方法和系统，包括：获取市场交易相关信息；结合所述市场交易相关信息，利用预先建立的清洁能源报价知识规则库进行竞价推理；根据期望和风险偏好数据，对推理结果进行修正，并根据推荐结果进行报价。本发明不再基于某一种或几种固定的成本、利润和市场模型，而是能够综合历史知识经验提供报价参考。
技术研发人员：高志远;曹阳;单茂华;程海花;薛必克;邵平;黄海峰;张鸿;汤洪海;程晓春;王沁;韩福彬
受保护的技术使用者：中国电力科学研究院有限公司;国网北京市电力公司;国家电网有限公司
技术研发日：2019.12.05
技术公布日：2020.06.09
