郭鴻業(yè)，鄭可迪，唐慶虎，房曦晨，陳啟鑫

（1. 電力系統(tǒng)及發(fā)電設(shè)備控制和仿真國家重點實驗室，清華大學(xué)，北京市 100084；2. 清華大學(xué)電機工程與應(yīng)用電子技術(shù)系，北京市 100084）

0 引言

自2015 年啟動新一輪電力體制改革以來，中國的電力市場建設(shè)穩(wěn)步推進，取得了一系列重要成果。2021 年，全國市場交易電量3 778.7 TW·h，占全社會用電量的比重達到45.5%，再創(chuàng)新高。目前，以中國廣東、山西等8 個省區(qū)為代表的第1 批電力現(xiàn)貨市場試點地區(qū)，已實現(xiàn)了不間斷結(jié)算試運行，并計劃于2022 年開啟正式運行。包括中國江蘇省、河南省等在內(nèi)的第2 批電力現(xiàn)貨試點地區(qū)也已陸續(xù)公布了市場運行細則。

與此同時，電力市場相關(guān)領(lǐng)域的研究熱點不斷凸顯，研究熱度穩(wěn)步上升。主要關(guān)注點包括價格分析［1］、個體決策［2］、博弈均衡分析［3］、市場機制設(shè)計［4］等諸多領(lǐng)域。在建設(shè)新型電力系統(tǒng)的愿景下，風(fēng)電、光伏、電動汽車、儲能、產(chǎn)消者等新型主體將成為電力市場的一般化主體。一方面，要求對于現(xiàn)有的電力市場體系、機制、規(guī)則進行革新與完善；另一方面，對這些新主體自身的市場化運營與交易也提出了新的挑戰(zhàn)［5］。

電力市場領(lǐng)域的研究規(guī)則始于20 世紀90 年代，至今已發(fā)展了30 余年。傳統(tǒng)的研究思路從經(jīng)濟學(xué)的角度出發(fā)，使用包括微觀經(jīng)濟學(xué)、計量經(jīng)濟學(xué)、博弈理論在內(nèi)的模型方法對電力市場中的個體行為［6］、市場狀態(tài)［7］、關(guān)鍵變量［8］進行研究。常用的技術(shù)路線是基于完全理性假設(shè)對市場主體進行建模［9］，將個體最優(yōu)報價決策過程建模為有約束的優(yōu)化問題［10］，并聯(lián)立多個市場主體模型分析市場博弈均衡過程［11］。此類方法數(shù)學(xué)形式清晰、經(jīng)濟意義明確、可解釋性強，已成為電力市場研究領(lǐng)域的最為廣泛的研究思路，取得了大量理論成果。

然而，傳統(tǒng)基于經(jīng)濟學(xué)理論模型的方法也存在一定的局限性。例如，這類方法在建模過程中，為了確保研究的理論完備性和數(shù)學(xué)可解性，經(jīng)常對市場主體的決策［12］和市場運行本身［13］進行大量簡化，對市場主體包括理性程度、信息利用能力、決策偏好在內(nèi)的個體行為深層邏輯進行理想化假設(shè)。因此，基于大量簡化與假設(shè)的傳統(tǒng)模型在研究電力市場的過程中，將不可避免地與實際場景產(chǎn)生偏差，導(dǎo)致傳統(tǒng)的電力市場研究思路難以指導(dǎo)電力市場的實際業(yè)務(wù)場景。

事實上，傳統(tǒng)研究方法的局限性與其發(fā)展的時代有著密切關(guān)系。過去，電力市場數(shù)據(jù)公開有限，也缺乏相應(yīng)的數(shù)據(jù)分析方法，故傳統(tǒng)研究方法難以結(jié)合實際數(shù)據(jù)開展研究，更不用說對海量數(shù)據(jù)的正確、高效利用。近年來，隨著電力市場數(shù)據(jù)的開放和數(shù)據(jù)驅(qū)動研究方法的發(fā)展，基于實際市場數(shù)據(jù)分析市場運行狀態(tài)、消除信息不對稱、描述主體交易行為變得更為可行。而基于數(shù)據(jù)的電力市場研究也逐步體現(xiàn)出自身的獨特價值，其研究成果應(yīng)用范圍廣、可用性強，對傳統(tǒng)的電力市場研究方法形成了很好的補充。

基于數(shù)據(jù)的電力市場研究，可以稱之為數(shù)據(jù)驅(qū)動的電力市場研究。其為廣大市場主體參與實際市場交易提供了新的指導(dǎo)思路，為市場運營商監(jiān)測市場運行提供了新的觀察視角，為市場制度設(shè)計者模擬市場提供了新的實用性工具，具有重要的意義。例如，在個體行為分析方面，文獻［14］面向海量市場主體的交易數(shù)據(jù)，提出自適應(yīng)報價聚類算法，提煉個體報價典型模式，實現(xiàn)對海量主體報價行為特點的高效分析；在市場分析方面，文獻［15］面向高維電力市場供給曲線數(shù)據(jù)，提出高效整合與關(guān)鍵信息提煉的方法，并實現(xiàn)了未來市場競價態(tài)勢的準確預(yù)測。

為此，本文針對近年來興起的數(shù)據(jù)驅(qū)動的電力市場研究進行介紹，旨在對數(shù)據(jù)驅(qū)動的電力市場的研究基礎(chǔ)、進展、挑戰(zhàn)進行系統(tǒng)化的梳理，并探討未來研究的發(fā)展方向與應(yīng)用潛力。

1 電力市場相關(guān)領(lǐng)域研究現(xiàn)狀與局限性

自21 世紀初以來，世界范圍內(nèi)開始廣泛的電力市場建設(shè)，同時涌現(xiàn)了大量針對電力市場開展的研究。根據(jù)電力市場中的研究對象進行劃分，針對不同對象開展的研究大致可以分為4 類，分別是市場狀態(tài)參數(shù)研究、投標優(yōu)化決策、市場均衡分析與市場機制設(shè)計。

在市場狀態(tài)參數(shù)研究方向，主要開展針對影響電力市場運行的關(guān)鍵狀態(tài)邊界及市場運行結(jié)果的研究，前者包括系統(tǒng)、母線、節(jié)點負荷［16］、新能源出力、電力合約等，后者包括系統(tǒng)與節(jié)點電價［17］、機組出清量及系統(tǒng)潮流［18］等。根據(jù)研究結(jié)果的不同，可以分為分析類與預(yù)測類，其中前者側(cè)重于分析邊界量的特點或與其他因素的關(guān)系，后者側(cè)重于給出未來時段的預(yù)測值。針對這個問題，學(xué)界采用了多種技術(shù)方法。最初，通常采用基于統(tǒng)計學(xué)的方法；之后，逐步使用基于計量經(jīng)濟學(xué)的模型，如向量自回歸（vector auto-regression，VAR）模型、向量誤差修改模型（vector error correction model，VECM）、廣義自回歸條件異方差（generalized autoregressive conditional heteroskedasticity，GARCH）模型等；目前，隨著機器學(xué)習(xí)與深度學(xué)習(xí)的發(fā)展，相關(guān)技術(shù)也被逐漸應(yīng)用于該領(lǐng)域。例如，前幾年引入使用的支持向量機（support vector machine，SVM）、隨機森林（random forest，RF）等方法，以及近年來逐漸得到應(yīng)用的卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）、長 短 期 記 憶（long short-term memory，LSTM）等模型。

在投標優(yōu)化決策研究方向，主要開展從市場主體視角對報價決策進行優(yōu)化以實現(xiàn)個體更高收益的研究。根據(jù)研究主體的區(qū)別，可以分為以傳統(tǒng)類型發(fā)電主體為研究目標，包括火電廠、水電站等，或以可再生能源發(fā)電主體為研究目標，包括風(fēng)電、光伏等。近年來，也逐漸出現(xiàn)更新的發(fā)電主體概念，如園區(qū)［19］、微網(wǎng)［20］、綜合能源發(fā)電商［21］、新能源汽車［22］、虛擬電廠［23］、分布式可交易能源［24］等。在參與市場的假設(shè)上，現(xiàn)有研究主要將市場主體分為價格接受 者（price-taker）［25］和 價 格 影 響 者（pricemaker）［26］2 類，前者一般適用于份額較小且自身報價對市場價格影響較小的主體，后者一般適用于市場份額較大或自身報價對市場價格會產(chǎn)生明顯影響的主體。在研究方法方面，大體可分為2 類：一是使用傳統(tǒng)的優(yōu)化模型，建立線性或非線性模型，然后采用多種優(yōu)化方法進行求解［27］；二是使用機器學(xué)習(xí)理論中的強化學(xué)習(xí)模型，建立個體決策模型并與市場模型充分互動后，獲得最優(yōu)的報價決策。

在市場均衡分析研究方向，主要開展從市場組織者視角對特定市場環(huán)境下多個主體的行為互動及其產(chǎn)生的市場結(jié)果的研究。根據(jù)研究假設(shè)的不同，可將現(xiàn)有研究整體分為非合作博弈和合作博弈2 類，前者常用于研究批發(fā)市場多類型、多個體的發(fā)電側(cè)主體博弈［28］，后者近期亦常用于研究配電網(wǎng)側(cè)或微網(wǎng)內(nèi)的多個產(chǎn)消結(jié)合的主體博弈［29］。根據(jù)研究假設(shè)的不同，會采用不同的建模方法。例如，在非合作博弈假設(shè)中，常采用納什古諾（Nash Cournot）博弈［30］、貝葉斯納什均衡［31］、斯塔德伯格（Stackelberg）博弈［32］、主從博弈［33］；在合作博弈中，常采用納什討價還價（Nash bargaining）博弈［34］，并通過夏普利值（Shapley value）［35］或Vickrey-Clarke-Groves（VCG）理論［36］計算參與合作的多個體貢獻，并基于此分配收益。

在市場機制設(shè)計研究方向，主要開展從市場設(shè)計者視角對市場現(xiàn)有機制進行修改或提出新的機制，以更好地實現(xiàn)激勵相容的研究。根據(jù)研究對象的不同，市場機制設(shè)計研究可以分為多種類型，如針對電價機制［37］、出清流程［38］、結(jié)算方法［8］進行設(shè)計。除此之外，還會對電力市場存在的難點與癥結(jié)進行針對性的研究，如市場串謀［39］、市場力抑制［40］、發(fā)售一體控制［41］等。近年來，隨著新能源的快速發(fā)展，新型電力系統(tǒng)建設(shè)迫在眉睫，包括分布式新能源、儲能、虛擬電廠等新要素大量接入電力系統(tǒng)，現(xiàn)有的市場機制將不再適用。為了應(yīng)對這一挑戰(zhàn)，涌現(xiàn)了大量市場機制設(shè)計研究，如針對分布式主體［42］、儲能［43］等。

事實上，目前電力市場領(lǐng)域的4 個主流研究方向中，除了市場邊界預(yù)測研究是針對特定數(shù)據(jù)（如電價、潮流等）開展的研究，其他3 個方向的研究的核心均為市場主體行為。其中，報價優(yōu)化決策研究是嘗試實現(xiàn)個體行為的最優(yōu)化，市場均衡分析研究是將多個個體建模并分析相互間的互動關(guān)系，市場機制設(shè)計研究亦需要在給定機制下模擬個體行為以驗證所提方法的有效性。

然而，傳統(tǒng)的研究方法對市場行為建模通常采用微觀經(jīng)濟學(xué)的理論模型，為確保研究的理論完備性和數(shù)學(xué)可解性，對市場主體和市場本身進行了大量理想化的假設(shè)和簡化。具體而言，對市場主體包括理性程度、信息利用能力、決策偏好在內(nèi)的個體行為深層邏輯進行理想化的假設(shè)，如假設(shè)所有主體在決策過程中能夠充分利用市場信息，以實現(xiàn)自身利益的最大化為目標，完全理性地進行報價；對電力市場組織規(guī)則進行大量簡化與理想化假設(shè)，如為了實現(xiàn)求解將機組的多段報價簡化為一次函數(shù)，假設(shè)市場公布包括系統(tǒng)拓撲、個體具體投標信息等；對市場所在電力系統(tǒng)的建模進行大量簡化，如不考慮網(wǎng)絡(luò)約束、爬坡約束等。這些大量存在的假設(shè)與簡化導(dǎo)致傳統(tǒng)方法的研究結(jié)果與實際情況契合度差［44］。

這種理論假設(shè)與實際市場間存在的偏差，大大限制了相關(guān)研究在實際電力市場中的應(yīng)用效果，無法滿足實際市場多業(yè)務(wù)場景的需求。因此，在很多實際市場的運行評估與機制設(shè)計流程中，還充斥著以專家經(jīng)驗法為主的決策模式，缺乏為基于實際數(shù)據(jù)的研究提供理論支撐。

為此，電力市場研究領(lǐng)域逐漸涌現(xiàn)出一批面向市場實際數(shù)據(jù)開展的研究，其在傳統(tǒng)假設(shè)的基礎(chǔ)上，充分挖掘市場數(shù)據(jù)中隱藏的信息量，并將其應(yīng)用于電力市場領(lǐng)域幾個方向的研究。

2 實際電力市場的信息發(fā)布與數(shù)據(jù)開放

近年來，許多電力市場的交易數(shù)據(jù)逐漸公開化，大量的真實運行數(shù)據(jù)在市場運營商的網(wǎng)站上被定期分類發(fā)布，并向全社會開放。這些數(shù)據(jù)包括市場出清價格、系統(tǒng)供給與需求、公開或匿名化的市場主體投標及出清情況、檢修運維情況等。當然，由于市場政策的不同，不同地區(qū)的電力市場的數(shù)據(jù)公開程度有所區(qū)別。為此，本章將對各國電力市場數(shù)據(jù)情況進行介紹。

2.1 電力市場相關(guān)數(shù)據(jù)介紹

本節(jié)將從研究者的角度出發(fā)，詳細介紹目前各主要電力市場的數(shù)據(jù)公開情況和獲取方式。

1）美國PJM 電力市場

美國PJM 電力市場長期以來被認為是規(guī)則完備、信息披露充分的典范，其市場數(shù)據(jù)的格式和含義說明詳細完整，數(shù)據(jù)細粒度較高，具有較高的研究價值。但近年來，PJM 將其數(shù)據(jù)獲取接口整合進了其所開發(fā)的Data Miner 2 的應(yīng)用程序接口（application programming interface，API）中，并限制了非會員的使用。由于PJM 會員資格目前僅限于美國境內(nèi)少數(shù)實體機構(gòu)，研究人員獲取PJM 的數(shù)據(jù)也不再容易。

具體而言，PJM 的數(shù)據(jù)獲取渠道主要有2 類：

（1）一是數(shù)據(jù)快照（Data Snapshot）［45］、數(shù)據(jù)瀏覽 器（Data Viewer）［46］和 數(shù) 據(jù) 地 圖（Interregional Data Map）［47］等短期（7 日以內(nèi)）數(shù)據(jù)查詢和可視化工具。這些數(shù)據(jù)渠道主要可供用戶查看市場近期的負荷、電價等指標的時空分布趨勢，但不提供歷史數(shù)據(jù)以供數(shù)據(jù)挖掘。

（2）二是數(shù)據(jù)挖掘器（Data Miner 2）［48］，其提供了種類更為豐富的歷史數(shù)據(jù)獲取API，并附帶了詳細的數(shù)據(jù)含義和格式介紹。盡管調(diào)用API 需要會員權(quán)限，但是Data Miner 2 開放提供了一個用于查詢和瀏覽數(shù)據(jù)的預(yù)覽窗口，可以查詢并導(dǎo)出一日或者數(shù)日的數(shù)據(jù)。

受監(jiān)管的限制，PJM 在數(shù)據(jù)的公開上較為謹慎，一些較為機密的數(shù)據(jù)都沒有公開或者延遲公開。不公開的數(shù)據(jù)主要有：機組輸出功率和中斷、節(jié)點負荷和系統(tǒng)網(wǎng)架空間信息。發(fā)電商的個體報價信息則是延遲4 個月公布，并且對其信息進行了匿名化處理。彈性負荷的需求報價信息更是延遲6 個月公布，并且只公布聚合后的總需求曲線。

2）美國CAISO 電力市場

美國CAISO 電力市場的數(shù)據(jù)公開程度和獲取便捷程度也較好，所有人都可以從其數(shù)據(jù)開放平臺（Open Access Same-Time Information System，OASIS）［49］中使用網(wǎng)頁檢索或者以API 方式下載所有的歷史數(shù)據(jù)。但CAISO 的數(shù)據(jù)文檔并不完善，API 的調(diào)用邏輯也較為復(fù)雜，給獲取數(shù)據(jù)帶來了一定的困難。另外，CAISO 也在其網(wǎng)站中提供了部分數(shù)據(jù)的可視化展示［50］，主要包括負荷、供給、電價和碳排放等曲線數(shù)據(jù)，也提供便捷的時序檢索和導(dǎo)出功能，在一定程度上彌補了其API 使用困難的缺點。CAISO 的數(shù)據(jù)公開情況與PJM 類似，在此不再贅述。

3）美國MISO 與SPP 電力市場

美國MISO 電力市場的數(shù)據(jù)公開程度較高，其歷史數(shù)據(jù)均以文件列表的形式羅列在網(wǎng)頁中，可供直接下載［51］。具體而言，其數(shù)據(jù)按照時間分為檔案數(shù)據(jù)和活躍數(shù)據(jù)，前者為距今2 年以前的數(shù)據(jù)，并按照月份進行壓縮整理，后者為近2 年內(nèi)較新的數(shù)據(jù)，且每日更新最新的數(shù)據(jù)表。美國SPP 電力市場的數(shù)據(jù)公開方式與MISO 類似，其提供了一個專門的網(wǎng)站（Integrated Marketplace）供用戶按時間下載各類數(shù)據(jù)文件［52］。

MISO 與SPP 的數(shù)據(jù)獲取也較為容易。盡管MISO 沒有專門提供API 供用戶批量讀取數(shù)據(jù)，但其數(shù)據(jù)文件的下載地址相對簡單、固定。同時，MISO 也提供了相應(yīng)的參考文檔，用于解釋其數(shù)據(jù)格式和含義，幫助用戶開發(fā)下載工具。

4）歐洲統(tǒng)一電力市場

歐洲現(xiàn)已逐漸形成統(tǒng)一的歐洲電力市場，其大部分電力現(xiàn)貨交易發(fā)生在歐洲能源交易所（European Power Exchange，EPEX SPOT）［53］。

EPEX SPOT 的公開數(shù)據(jù)僅有近2 日內(nèi)的市場價格曲線，其余數(shù)據(jù)均在其定制的各種數(shù)據(jù)服務(wù)產(chǎn)品中，用戶需要付費獲取。這些數(shù)據(jù)服務(wù)主要是各類報價和聚合報價數(shù)據(jù)，按照國家和數(shù)據(jù)內(nèi)容分類，按需訂閱。

另外，歐洲輸電網(wǎng)運營商還提供了一個數(shù)據(jù)公開平臺（ENTSO-E Transparency Platform）［54］，用戶免費注冊后就可以瀏覽和下載所有歷史數(shù)據(jù)，數(shù)據(jù)的公開程度和文檔詳細程度也較高。該平臺提供多種數(shù)據(jù)下載方式，較為便捷的方式主要有2 種：一是在數(shù)據(jù)瀏覽界面篩選指定國家/價區(qū)和時間，然后直接導(dǎo)出，最多可以同時導(dǎo)出一年的數(shù)據(jù)；二是通過平臺提供的文件傳輸協(xié)議（file transfer protocol，F(xiàn)TP）對數(shù)據(jù)文件進行復(fù)制下載，在批量下載大規(guī)模數(shù)據(jù)時，該方式更為便捷。此外，由于該平臺的數(shù)據(jù)實際上來自各國的輸電運營商貢獻，早期平臺不完善時（2015 年及以前），各價區(qū)的數(shù)據(jù)未完全整合，這部分數(shù)據(jù)按價區(qū)分別單獨提供。

ENTSO-E 平臺的數(shù)據(jù)主要是電網(wǎng)層面的邊界數(shù)據(jù)，如負荷、發(fā)電、輸電等，市場方面僅有平衡市場的部分調(diào)頻備用報價曲線和聚合曲線，沒有報價數(shù)據(jù)。

5）北歐電力市場NordPool

NordPool 主要運營北歐電力市場，與EPEX SPOT 一樣，NordPool 也提供數(shù)據(jù)服務(wù)產(chǎn)品，用戶付費訂閱后，可以通過API 或者FTP 的方式自動快速獲取實時數(shù)據(jù)或者歷史數(shù)據(jù)。與EPEX SPOT 不同的是，NordPool 的數(shù)據(jù)展示網(wǎng)站［55］上可以查詢歷史數(shù)據(jù)并進行導(dǎo)出，也有時間范圍更久一些的數(shù)據(jù)以文件列表的形式提供下載。

NordPool 的公開數(shù)據(jù)主要是市場報價和交易數(shù)據(jù)，如小時級日前/日內(nèi)市場的聚合能量報價，出清電價和供給/需求曲線，但沒有個體報價數(shù)據(jù)。由于NordPool 僅運營市場部分，其公開數(shù)據(jù)也不包括區(qū)域的總負荷、發(fā)電等信息，這與美國的情況有所不同。

6）澳大利亞國家電力市場AEMO

澳大利亞電力市場是目前數(shù)據(jù)公開最完整、最透明和最及時的電力市場，其數(shù)據(jù)獲取方式也較為便捷。 AEMO 提供了一個專門的數(shù)據(jù)網(wǎng)站（NEMWEB）［56］，網(wǎng)站上包含了所有數(shù)據(jù)的含義格式說明和下載鏈接。與MISO 類似，其數(shù)據(jù)也按照距今時間遠近分為當前報告（Current Reports）（近1 個月）、檔案報告（Archive Reports）（近1 年）和數(shù)據(jù)模型檔案（Data Model Archive）（1 個月以前）。

在數(shù)據(jù)開放范圍上，AEMO 最鮮明的特點是其開放了未隱名的個體報價和出清數(shù)據(jù)，且這些數(shù)據(jù)僅延遲1 日發(fā)布。相應(yīng)地，這些未隱名的個體具有唯一的機組編號（DUID），且可以根據(jù)相應(yīng)的機組注冊信息查詢其裝機參數(shù)、燃料類型甚至是空間坐標，便于與各類外源數(shù)據(jù)進行關(guān)聯(lián)分析，具有較高的研究價值。此外，AEMO 也公開了諸如負荷預(yù)測、出清電價等市場邊界和結(jié)果數(shù)據(jù)，但AEMO 的出清和結(jié)算與美國市場常用的鏈路管理協(xié)議（link manager protocol，LMP）機制不同，其按區(qū)域出清，整個市場只有5 個價格區(qū)域。

2.2 市場數(shù)據(jù)公開與可利用情況

本節(jié)將對各市場的數(shù)據(jù)公開和可獲取情況，按照數(shù)據(jù)類型進行分別總結(jié)，如表1 所示。

表1 典型電力市場中各類數(shù)據(jù)的可獲取性對比Table 1 Availability comparison of various types of data in typical electricity markets

1）市場邊界數(shù)據(jù)

市場邊界數(shù)據(jù)主要是負荷預(yù)測值，是其市場內(nèi)外各相關(guān)方進行相關(guān)決策的重要依據(jù)。各市場基本上都會及時、完整地公開負荷預(yù)測數(shù)據(jù)，其數(shù)據(jù)細粒度取決于各市場的出清和結(jié)算時間段設(shè)置。具體而言，PJM、CAISO、MISO、ENTSO-E、AEMO 都提供小時級的分區(qū)負荷預(yù)測值，且提供系統(tǒng)針對同一時段的負荷在不同時間做出的預(yù)測結(jié)果。AEMO還提供了概率負荷預(yù)測的區(qū)間值。

大部分市場也都根據(jù)其量測結(jié)果發(fā)布了實際負荷值和實際發(fā)電量，其時空分辨率與負荷預(yù)測值基本一致。部分市場還會提供按照電源類型細分的發(fā)電量曲線（generation mix）。

風(fēng)電、光伏出力也是重要的市場邊界數(shù)據(jù)。PJM、CAISO 均提供短期的全系統(tǒng)風(fēng)光出力預(yù)測值。例如，PJM 會公布未來6 h 的10 min 分辨率短期風(fēng)電、光伏出力預(yù)測值，以及事后統(tǒng)計的風(fēng)光實際出力。

2）市場行為數(shù)據(jù)

市場行為數(shù)據(jù)主要分為個體層面的報價曲線和群體層面的聚合供給/需求曲線。前者因涉及隱私的原因，大部分市場都不公布或者延遲隱名公布；后者聚合自市場中所有個體的行為，對隱私的影響略小，有部分市場僅公布聚合后的報價情況。

具體而言，公開個體報價曲線的市場有PJM、CAISO、MISO、SPP 和AEMO，除AEMO 外其他都經(jīng)過了隱名和延遲處理。允許虛擬投標的幾個美國市場也公開了虛擬報價的報價曲線，但SPP 僅公布報價節(jié)點上虛擬報價曲線與其他所有報價聚合后的報價曲線，給分析帶來了一定的困難。

聚合供給/需求曲線在一定程度上反映了市場的供需關(guān)系，對市場研究也有一定的幫助。除了可以從市場公布的全部報價曲線自行計算外，有的市場還專門公布了聚合后的結(jié)果。PJM 公布了負荷需求的聚合曲線，以及虛擬報價的供給/需求聚合曲線，NordPool 也公布了全市場的供給需求聚合曲線。

3）市場結(jié)果數(shù)據(jù)

與市場行為類似，市場結(jié)果數(shù)據(jù)也主要分為個體和群體2 個部分。

個體層面的市場結(jié)果主要是發(fā)電商的出清/調(diào)度出力，或者虛擬投標的收益情況。這部分數(shù)據(jù)往往涉及隱私，鮮有市場公布。目前，僅有AEMO 延遲一日公開各發(fā)電商的實際中標和調(diào)度結(jié)果，且既有能量市場，又有各輔助服務(wù)市場。

群體層面的市場結(jié)果主要是節(jié)點電價或區(qū)域電價。各市場根據(jù)其出清規(guī)則，均有公布出清電價信息。例如，PJM 公布了所有母線和區(qū)域的日前和小時前市場的節(jié)點電價，CAISO 還公布了節(jié)點電價的不同分量（能量分量、阻塞分量等）的具體值。

4）市場保密數(shù)據(jù)

綜合各國情況，電力設(shè)施位置、節(jié)點負荷大小、個體出清結(jié)果一般是不公開的保密數(shù)據(jù)，而個體報價數(shù)據(jù)往往會隱名且延遲公開。AEMO 則公開了所有電力設(shè)施的位置，并且未隱名的個體報價數(shù)據(jù)僅延遲一日公布，市場數(shù)據(jù)透明度最高。

3 數(shù)據(jù)驅(qū)動的電力市場研究現(xiàn)狀

數(shù)據(jù)驅(qū)動研究與傳統(tǒng)研究方法的區(qū)別主要體現(xiàn)在以下幾個方面。在研究基礎(chǔ)上，數(shù)據(jù)驅(qū)動的電力市場研究的基礎(chǔ)是市場數(shù)據(jù)而非普適的經(jīng)濟學(xué)原理；在研究假設(shè)上，數(shù)據(jù)驅(qū)動的電力市場研究通?；趯嶋H市場邊界條件，較少像傳統(tǒng)電力市場研究中使用較強的假設(shè)；在研究對象上，數(shù)據(jù)驅(qū)動的電力市場研究的范圍更為廣泛，除了類似傳統(tǒng)電力市場研究是從已有知識建立模型并進行分析以外，還增加了從實際數(shù)據(jù)逆向發(fā)現(xiàn)知識的研究類型；在技術(shù)手段上，數(shù)據(jù)驅(qū)動的電力市場研究的方法通常是建立基于計算智能的模型開展研究，而非傳統(tǒng)電力市場研究方法使用基于物理與經(jīng)濟學(xué)假設(shè)模型開展研究；在解決問題上，數(shù)據(jù)驅(qū)動的電力市場研究方法基于實際數(shù)據(jù)開展，較傳統(tǒng)電力市場研究具有更高的實用性和更廣的適用性，能夠解決許多電力市場實際生產(chǎn)環(huán)境中的痛點問題。

隨著電力市場數(shù)據(jù)的逐漸豐富和數(shù)據(jù)驅(qū)動研究方法的不斷發(fā)展，近年來，數(shù)據(jù)驅(qū)動的電力市場研究不斷涌現(xiàn)，其在電力市場的四大研究領(lǐng)域均取得了一定的研究進展與實際應(yīng)用。為了讓讀者能夠更好地理解當前數(shù)據(jù)驅(qū)動的電力市場研究進展，本章嘗試對電力市場研究現(xiàn)狀進行綜合介紹。

3.1 數(shù)據(jù)驅(qū)動的市場狀態(tài)參數(shù)研究

數(shù)據(jù)驅(qū)動的市場狀態(tài)參數(shù)研究主要服務(wù)于市場組織者或參與者對影響市場運行的關(guān)鍵狀態(tài)邊界的預(yù)測和未知市場運行結(jié)果的感知。這些狀態(tài)參數(shù)關(guān)系到市場組織或電力交易決策的開展，主要可劃分為4 個類別，分別為市場負荷預(yù)測、出清電價和阻塞預(yù)測、系統(tǒng)供需態(tài)勢預(yù)測、電力市場狀態(tài)感知等。其中，前兩者是較為傳統(tǒng)的研究方向，在電力系統(tǒng)預(yù)測領(lǐng)域中也已經(jīng)有了較為成熟的研究體系，在本文不再進行介紹；而后兩者，即系統(tǒng)供需態(tài)勢預(yù)測與電力市場狀態(tài)感知，則是由于數(shù)據(jù)驅(qū)動方法的發(fā)展而產(chǎn)生的新研究主題，本文在此進行著重介紹。

1）系統(tǒng)競爭態(tài)勢預(yù)測

系統(tǒng)競爭態(tài)勢是指全市場整體供給和需求的價格敏感狀態(tài)，較傳統(tǒng)的系統(tǒng)供需信息增加了價格信息。通常意義上，競爭態(tài)勢可以由總供給曲線（aggregated supply curve，ASC）或 剩 余 需 求 曲 線（residual demand curve，RDC）刻畫。其中，ASC 為市場所有機組報價曲線的累加，RDC 則為其他主體供給曲線和系統(tǒng)負荷需求曲線之差。以ASC 和RDC 為代表的系統(tǒng)競爭態(tài)勢信息，通常被用于市場價格影響者的報價決策過程，是最優(yōu)報價決策中重要的邊界條件數(shù)據(jù)。

與負荷或電價的預(yù)測相比，ASC 或RDC 是以曲線或函數(shù)進行描述的，其數(shù)據(jù)本身具有非結(jié)構(gòu)化的特性，為這類研究的主要難點。早期的ASC 與RDC 研究通?；谌嗽鞌?shù)據(jù)。文獻［12］提出了一種基于動態(tài)貝葉斯網(wǎng)絡(luò)的RDC 預(yù)測模型，但將RDC 簡化為線性函數(shù)的形式，與實際的RDC 形式差別較大。文獻［57］使用基于馬爾可夫鏈蒙特卡洛方法和貝葉斯推斷法對ASC 進行預(yù)測，其ASC 以分段線性的方式進行建模，相應(yīng)的參數(shù)被認為是系統(tǒng)的隱藏狀態(tài)，并通過電價和交易電量等可觀測參數(shù)對其進行估計。文獻［58］以二次函數(shù)形式對機組供給曲線進行建模，并使用神經(jīng)網(wǎng)絡(luò)對二次函數(shù)的參數(shù)和個體報價行為進行預(yù)測，在小規(guī)模系統(tǒng)中，通過個體報價曲線的累加實現(xiàn)了ASC 的預(yù)測。以上研究雖然有一定的效果，但其使用的人造數(shù)據(jù)與實際偏差較大，在實際市場中的適用性有限。

近年來，研究者嘗試使用電力市場的數(shù)據(jù)開展ASC 與RDC 的預(yù)測研究，并取得了不錯的效果。文獻［59］使用圖像序列的形式保存ASC，并使用LSTM 進行預(yù)測。文獻［60］提出徑向基函數(shù)近似的方法來表征ASC，并使用意大利市場的數(shù)據(jù)進行了實證研究。文獻［15］使用高維向量對ASC 進行離散化，隨后使用主成分分析（principal component analysis，PCA）實 現(xiàn)ASC 的 降 維 處 理，并 使 用LSTM 對降維后的特征進行預(yù)測，在美國MISO 市場的數(shù)據(jù)上驗證了算法的準確性。

2）電力市場狀態(tài)感知

電力市場狀態(tài)感知是指市場主體通過可公開獲取的數(shù)據(jù)（如電價數(shù)據(jù)）感知或者估計電力市場的拓撲等狀態(tài)數(shù)據(jù)，有助于市場主體理解節(jié)點電價和出清結(jié)果的變化規(guī)律。

在此領(lǐng)域，目前有許多研究進行了初步的嘗試。文獻［61］提出一種在線的電網(wǎng)拓撲估計方法，通過稀疏恢復(fù)、半正定優(yōu)化以及交替方向乘子法（alternating direction method of multipliers，ADMM），基于實時LMP 數(shù)據(jù)可以實現(xiàn)電網(wǎng)拓撲的恢復(fù)和線路變化的追蹤。文獻［62］進一步使用已知的部分拓撲信息和LMP 數(shù)據(jù)在線剩余拓撲情況，明顯提升了準確率。文獻［63］使用逆向優(yōu)化的方法從LMP 數(shù)據(jù)中恢復(fù)了電網(wǎng)輸電線路和阻塞狀態(tài)的參數(shù)，并使用MISO 市場的數(shù)據(jù)進行了實證分析。文獻［64］對LMP 的空間分布進行了研究，指出其阻塞分量具有子空間特性，基于該特性對阻塞狀態(tài)和阻塞參數(shù)進行了非監(jiān)督式估計。文獻［65］利用LMP 數(shù)據(jù)對市場各節(jié)點的阻塞特性進行估計，并使用聚類方法篩選出關(guān)鍵阻塞節(jié)點，實現(xiàn)了金融輸電權(quán)的投機交易。

在傳統(tǒng)的電力市場最優(yōu)報價研究中，通常假設(shè)決策者已知市場未來競爭態(tài)勢及電力系統(tǒng)拓撲結(jié)構(gòu)，并在此基礎(chǔ)上進行最優(yōu)報價決策。但在實際電力市場中，由于信息不對稱問題的存在，這2 項信息通常并不會直接開放給市場參與主體。因此，傳統(tǒng)的最優(yōu)報價決策研究普遍存在研究數(shù)據(jù)基礎(chǔ)要求過高、實際應(yīng)用能力差、適用性過低等問題。本節(jié)所綜述的方法，從2 個維度解決了傳統(tǒng)電力市場研究中存在的邊界數(shù)據(jù)假設(shè)過強的問題。基于對系統(tǒng)競爭態(tài)勢預(yù)測和電力市場狀態(tài)感知而開展的電力市場最優(yōu)報價研究，為最優(yōu)報價決策方法提供了有效的數(shù)據(jù)基礎(chǔ)。

3.2 數(shù)據(jù)驅(qū)動的投標決策研究

電力市場主體的投標競價決策問題是電力市場參與者的一類核心問題。近年來，數(shù)據(jù)驅(qū)動方法在此類問題中發(fā)揮了重要作用，通過市場數(shù)據(jù)實現(xiàn)了能量投標和虛擬投標的決策優(yōu)化。

在能量投標方面，由于主體類型的不同，數(shù)據(jù)驅(qū)動方法側(cè)重的建模對象亦不同。例如，針對負荷聚合商或需求響應(yīng)主體，有研究使用數(shù)據(jù)驅(qū)動方法實現(xiàn)其靈活性資源的建模，并嵌入自身優(yōu)化模型中求解［66-67］；對更通用類型的主體，則更注重直接通過數(shù)據(jù)驅(qū)動模型給出最優(yōu)的投標建議，如文獻［68-69］?？紤]到研究的廣泛適用性和參考價值，本節(jié)主要對后一類研究進行綜述。

目前，投標決策中主流的方法是基于強化學(xué)習(xí)，也有部分研究使用了神經(jīng)網(wǎng)絡(luò)等回歸方法直接進行擬合。文獻［68］針對可再生能源交易中涉及的2 個主要步驟，即預(yù)測（包含出力和電價的多目標預(yù)測）和交易優(yōu)化問題，討論了單獨訓(xùn)練預(yù)測模型、聯(lián)合訓(xùn)練預(yù)測模型、直接使用極限學(xué)習(xí)機（extreme learning machine，ELM）擬合投標量3 種情況下的收益情況。在第3 種基于ELM 的方法中，預(yù)測和交易優(yōu)化被合并為一步，并提升了主體收益。文獻［69］提出了基于深度強化學(xué)習(xí)的策略性報價方法，使用深度確定性策略梯度（deep deterministic policy gradient，DDPG）對主體決策行為進行訓(xùn)練，可以給出連續(xù)的投標結(jié)果，解決了傳統(tǒng)強化學(xué)習(xí)對決策空間離散化而產(chǎn)生的維數(shù)災(zāi)難問題。文獻［70］使用重復(fù)博弈對市場過程進行建模，并基于連續(xù)動作強化學(xué) 習(xí) 自 動 機（continuous action reinforcement learning automata，CARLA）實現(xiàn)了發(fā)電商在有限信息環(huán)境下的報價，該模型不依賴于任何競價對手或系統(tǒng)信息即可收斂至解析納什均衡點。文獻［71］進一步使用Dyna 結(jié)構(gòu)改進了CARLA 的訓(xùn)練過程，提升了其在實際報價中的易用性。文獻［72］使用優(yōu)勢行動者評論家（advantage actor-critic，A2C）算法實現(xiàn)了電力零售商的策略性報價，并能同時考慮批發(fā)側(cè)購電價格和電力用戶行為的不確定性。文獻［73］提出了基于多智能體Nash-Q 強化學(xué)習(xí)算法的交易策略，實現(xiàn)了電-氣綜合能源市場競價優(yōu)化。與之前強化學(xué)習(xí)類決策研究不同，文獻［74］是采用監(jiān)督學(xué)習(xí)進行數(shù)據(jù)驅(qū)動決策的研究，其建立了基于自動編碼器和LSTM 的深度學(xué)習(xí)模型，通過歷史數(shù)據(jù)和擴充數(shù)據(jù)對模型進行訓(xùn)練，以在面對不同市場邊界條件時得到發(fā)電商的最優(yōu)報價決策。

總而言之，神經(jīng)網(wǎng)絡(luò)等方法更適合靜態(tài)模型的擬合，而大多數(shù)強化學(xué)習(xí)的方法則依賴于主體與市場出清過程的迭代，因此，可以較好地擬合市場出清這一復(fù)雜的動態(tài)過程。然而，強化學(xué)習(xí)的收斂性是值得關(guān)注的問題，若方法需要數(shù)百次迭代才能收斂到最優(yōu)，則可能無法及時追蹤市場的動態(tài)變化。

在虛擬投標方面，目前的研究主要針對金融套利者開展，通常假設(shè)主體為金融主體而忽略了主體的其他特性，其決策中的主要約束為預(yù)算約束。文獻［75］提出了基于先驗風(fēng)險最小化的虛擬投標在線學(xué)習(xí)方法，并使用離散集合動態(tài)規(guī)劃方法降低了算法復(fù)雜度，通過美國PJM 和NYISO 的10 年電價數(shù)據(jù)驗證了算法有效性。文獻［76］基于美國CAISO市場的虛擬投標實際數(shù)據(jù)，提出了結(jié)合3 類策略優(yōu)點的綜合策略，可以顯著提升虛擬投標收益。文獻［77］建立了多區(qū)域多時段虛擬投標模型，并使用條件風(fēng)險價值（conditional value-at-risk，CVaR）對投標的風(fēng)險進行量度，隨后使用深度Q 網(wǎng)絡(luò)算法實現(xiàn)了該復(fù)雜問題的求解，基于美國PJM 市場的算例數(shù)據(jù)表明，該方法可以獲得穩(wěn)定盈利。虛擬投標獲利的本質(zhì)在于日前和實時市場的價差，現(xiàn)有數(shù)據(jù)驅(qū)動方法更注重通過對價差分布的追蹤實現(xiàn)獲利，鮮有研究實現(xiàn)虛擬投標對價差造成影響的建模。虛擬投標決策空間較大，可以涵蓋大部分節(jié)點和聚合節(jié)點，故該方面的建模將涉及高維數(shù)據(jù)的處理，是目前研究中的難點。

與傳統(tǒng)投標決策研究通?；趥鹘y(tǒng)優(yōu)化模型不同，數(shù)據(jù)驅(qū)動的投標決策研究通?；趶娀瘜W(xué)習(xí)等機器學(xué)習(xí)方法。由于普遍采用梯度下降類求解算法，無須再受制于傳統(tǒng)優(yōu)化方法在求解過程中需將模型轉(zhuǎn)化為線性形式所帶來的限制，可以在問題建模的過程中對實際的市場環(huán)境與電力系統(tǒng)運行過程進行更準確的刻畫。這極大地提升了最優(yōu)報價決策方法研究的有效性與實用性，為相關(guān)研究在實際市場業(yè)務(wù)中的應(yīng)用提供了更多可能性。

3.3 數(shù)據(jù)驅(qū)動的博弈均衡研究

數(shù)據(jù)驅(qū)動的博弈均衡研究方向主要可細分為2 個類別，分別是市場主體行為建模、市場運行模擬與博弈均衡分析。其中，市場主體行為建模的研究重點在于利用實際數(shù)據(jù)來提升主體建模的精準度與可信性，實現(xiàn)行為模擬與預(yù)測等功能；市場運行模擬與博弈均衡分析的研究重點則轉(zhuǎn)移至市場整體，實現(xiàn)市場的整體態(tài)勢感知或博弈動態(tài)演進分析等功能。

1）市場主體行為建模

本研究方向根據(jù)適用范圍可以分為2 類：第1 類為個體行為模擬，側(cè)重分析市場個體與外界的行為交互，或外界邊界條件的變化對于個體行為的影響；第2 類為個體行為預(yù)測，側(cè)重分析個體在確定的市場環(huán)境下，未來某時某刻的具體行為狀態(tài)。

在個體行為模擬方向，機器學(xué)習(xí)中的強化學(xué)習(xí)是主要使用的技術(shù)手段，通常采用如下研究框架。首先，使用馬爾可夫決策過程對個體參與市場交易的過程進行標準化建模；接著，根據(jù)待模擬個體的特點定制某個強化學(xué)習(xí)模型；然后，將個體模型與市場進行互動，實現(xiàn)個體行為的模擬。詳細的研究方法可見文獻［37］，在此不再展開。按照采用的模型不同，可分為基于強化學(xué)習(xí)的個體行為模擬研究［78］和基于深度強化學(xué)習(xí)的個體行為模擬研究［79］，兩者的模型雖然有一定的區(qū)別，但其實際建模過程與模擬結(jié)果并無太大的區(qū)別。按照馬爾可夫建模的不同，可以分為離散行為空間的個體行為模擬研究與連續(xù)行為空間的個體行為模擬研究。前者中，個體行為通常被分為多個離散的行為模式，個體投標模型基于訓(xùn)練好的策略，在多個離散的行為模式中選擇一個，具有代表性的包括Q-learning［80］及其衍生模型，如深度Q 網(wǎng)絡(luò)（deep Q-network，DQN）等。其缺點在于行為空間有限，模擬模型具有一定的局限性；優(yōu)點是不同行為模式之間彼此獨立，可以采取比較復(fù)雜的形式，如階梯分段容量可變的投標形式。后者中，個體行為通常是連續(xù)的，個體投標模型基于訓(xùn)練好的策略確定特定的行為值。其缺點是行為需要由連續(xù)變量代表，實際投標行為需要簡化成單個或多個連續(xù)的變量，存在較大的信息損失；其優(yōu)點是行為空間無限，對個體決策沒有預(yù)設(shè)行為模式的約束，故模型的靈活性較強。

在個體行為預(yù)測方向，相關(guān)研究目前仍較少，尚處于起步階段。其與個體行為模擬的主要區(qū)別在于其更關(guān)注行為預(yù)測的精準性，而個體行為在不同外部環(huán)境下的變化與反應(yīng)并不是研究重點。目前，實現(xiàn)個體行為的預(yù)測主要采用機器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)作為技術(shù)手段。文獻［81］在對發(fā)電主體投標行為進行聚類的基礎(chǔ)上，引入機器學(xué)習(xí)的前饋神經(jīng)網(wǎng)絡(luò)模型，用于捕捉個體行為與外部影響因素的關(guān)系，對大量發(fā)電主體的未來投標行為進行了預(yù)測。

2）市場運行模擬與博弈均衡分析

對市場整體開展的研究，可以分為市場運行模擬與博弈均衡分析2 類。前者更強調(diào)未來市場運行狀態(tài)模擬與預(yù)測的準確性，適用于電力市場運營商感知未來市場態(tài)勢、避免市場發(fā)生大的波動，主要使用監(jiān)督學(xué)習(xí)的技術(shù)路線；后者更專注于分析在特定的外部邊界條件下，某個市場中多個主體之間的交互迭代過程，以及最終形成的市場穩(wěn)定的均衡結(jié)果，主要使用強化學(xué)習(xí)的技術(shù)路線，適用于電力市場機制設(shè)計者評估新設(shè)計的市場機制等。

在市場博弈均衡方向，目前通常采用的研究方法是建立包含多個數(shù)據(jù)驅(qū)動的個體行為模型的市場模型，在給予一定的外部邊界條件后，觀察市場內(nèi)各個成員之間的行為交互過程及均衡結(jié)果。例如，文獻［82］建立了數(shù)據(jù)驅(qū)動的多代理強化學(xué)習(xí)（multiagent reinforcement learning，MARL）模型來分析市場均衡。文獻［83］基于深度強化學(xué)習(xí)中的確定性策略梯度（deterministic policy gradient，DPG）模型建立個體行為模型，使用LSTM 模型評估市場未來競爭態(tài)勢，基于此分析市場博弈過程；進一步，文獻［84］利用深度強化學(xué)習(xí)中的DDPG 模型建立市場個體交易行為模型，并將其組成為市場模型，分析市場博弈演進過程及最終達到的納什均衡狀態(tài)。部分研究對市場均衡基于實際數(shù)據(jù)進行了逆向分析，文獻［85］使用英國頻率響應(yīng)市場2005 年至2011 年的數(shù)據(jù)，分析了該市場從建立之初至達到均衡的電價收斂過程，并使用了虛擬行動模型對競價對手進行建模、自適應(yīng)學(xué)習(xí)方法對負荷進行建模，解釋了電力市場的動態(tài)均衡過程。

在市場運行模擬方向，當前研究尚處在較為初級的探索階段。文獻［86］對現(xiàn)有的電力市場模擬平臺進行綜述，發(fā)現(xiàn)現(xiàn)有的電力市場模擬平臺大多仍基于傳統(tǒng)的經(jīng)濟學(xué)假設(shè)與優(yōu)化模型，較少使用數(shù)據(jù)驅(qū)動的方法進行研究。目前，有一些研究對數(shù)據(jù)驅(qū)動的市場模擬進行了嘗試與探索，但并未形成體系化的研究成果。例如，文獻［81］嘗試對市場中的海量個體交易行為進行預(yù)測，進一步，基于個體交易行為的預(yù)測結(jié)果，對電力市場進行模擬出清，獲得包括節(jié)點電價、網(wǎng)絡(luò)潮流、機組出力等的市場出清結(jié)果。

傳統(tǒng)的電力市場博弈均衡研究通常基于微觀經(jīng)濟學(xué)理論，使用特定的博弈理論框架，并對其定制化以與電力市場現(xiàn)實博弈過程相對應(yīng)。其優(yōu)點在于理論性與可解釋性較強，其缺點在于為了確保研究的理論完備性和數(shù)學(xué)可解性，需對市場主體和市場本身進行大量理想化的假設(shè)和簡化。這將導(dǎo)致市場博弈均衡分析結(jié)果與實際市場運行結(jié)果產(chǎn)生較大偏差，降低相關(guān)研究的實際效果。

在數(shù)據(jù)驅(qū)動研究方法引入電力市場博弈均衡研究后，從2 個方面改良了這個問題：其一，在個體行為建模方面，數(shù)據(jù)驅(qū)動方法發(fā)現(xiàn)了行為歷史數(shù)據(jù)與個體行為決策之間的映射關(guān)系，提高了個體行為建模的準確程度；其二，在博弈均衡分析方面，均衡狀態(tài)的求解由特定的數(shù)學(xué)范式推導(dǎo)轉(zhuǎn)向多主體模型間的交互迭代至納什均衡的過程。因此，傳統(tǒng)研究中在市場建模過程中的假設(shè)與簡化大大減少，博弈均衡模型的建模精度得以提升，相關(guān)研究的實用性與準確度也得到了提高。

3.4 數(shù)據(jù)驅(qū)動的市場機制研究

目前，針對數(shù)據(jù)驅(qū)動的市場機制研究，主要分為2 類：一是面向機制設(shè)計的基礎(chǔ)，即對市場主體的行為進行分析；二是使用數(shù)據(jù)驅(qū)動的手段，對現(xiàn)有市場機制手段進行改進。

1）市場主體行為分析

由于市場主體交易行為的數(shù)據(jù)具有維度高、數(shù)量大、非結(jié)構(gòu)化強的特點，之前對市場主體交易行為的深入研究較少。同時，缺乏市場實際行為分析研究的基礎(chǔ)，先前市場機制的設(shè)計多基于專家經(jīng)驗，或者是大量的市場實踐。直到2016 年，實際交易行為數(shù)據(jù)開始逐漸進入研究者的視野。文獻［87］對CAISO 市場的需求投標數(shù)據(jù)進行了初步的研究，通過分析一整年美國加州市場的能量需求投標數(shù)據(jù)，計算了不同類型（自調(diào)度投標與經(jīng)濟投標）的比例和時段分布，展示了幾個大型售電公司的實際投標曲線。進一步，文獻［88］研究了CAISO 市場的供給投標數(shù)據(jù)，基于某月的實際數(shù)據(jù)進行了簡單的分析，對包括投標可用容量、系統(tǒng)供給曲線分布在內(nèi)的市場邊界進行了描述，并分析了實際市場供給的價格彈性及可再生能源裝機容量對其的影響。綜上所述，針對電力市場主體行為的初期研究是較為樸素的，主要對市場主體的整體行為數(shù)據(jù)進行分析，采用的技術(shù)手段也是較為傳統(tǒng)的統(tǒng)計類方法。

然后，針對主體行為分析的研究逐漸發(fā)展，研究方法從統(tǒng)計類方法轉(zhuǎn)變?yōu)闄C器學(xué)習(xí)方法，分析也逐漸深入且更為多樣化。主體行為分析的研究重點也逐漸轉(zhuǎn)向基于實際數(shù)據(jù)逆向解析市場主體的實際行為特征與內(nèi)在邏輯，實現(xiàn)知識發(fā)現(xiàn)、認知主體的功能。

文獻［14］首次針對電力市場中的供給主體個體開展行為分析研究，基于AEMO 市場的實際數(shù)據(jù)，提出針對投標曲線特點的自適應(yīng)聚類方法，提煉得到不同燃料類型市場主體的典型供給投標曲線，并歸納發(fā)電主體投標普遍具有離散性、多樣性、模式性、時變性等特征。進一步，文獻［89］對美國CAISO 市場的虛擬投標實際數(shù)據(jù)進行了實證分析，并提取了3 類主要虛擬投標策略。此外，還有研究嘗試使用數(shù)據(jù)驅(qū)動的方法建模用戶的需求響應(yīng)行為。例如，文獻［90］基于用戶的歷史互動數(shù)據(jù)和市場邊界數(shù)據(jù)，使用LSTM 模型捕捉用戶聚合體對復(fù)雜響應(yīng)特征的表征，并將其應(yīng)用于零售定價設(shè)計中。

在正向行為分析的基礎(chǔ)上，部分研究還嘗試通過逆向分析的方法從市場數(shù)據(jù)中辨識決定主體行為的關(guān)鍵參數(shù)。文獻［91］針對市場主體的投標行為數(shù)據(jù)，使用逆向優(yōu)化（inverse optimization）方法，辨識得到各個主體投標時的分段成本參數(shù)。進一步，文獻［19］改進了逆向優(yōu)化方法，并將其用于辨識各個發(fā)電主體投標時參考的供給成本函數(shù)。文獻［92］將逆向均衡（inverse equilibrium）方法引入個體交易參數(shù)辨識中，在有約束和無約束的場景下，對包含多個寡頭主體的納什古諾均衡進行逆向解析，辨識得到寡頭主體決策目標函數(shù)的參數(shù)。但是，以上研究均使用人工生成的數(shù)據(jù)進行分析，并沒有使用真實數(shù)據(jù)。除了成本之外，文獻［93］使用逆向優(yōu)化方法，對基于雙層優(yōu)化模型報價的水電廠的水庫庫容水量進行逆向辨識，并通過中國市場的實際數(shù)據(jù)進行了驗證。

2020 年，文獻［94］使用AEMO 市場的實際數(shù)據(jù)開展研究，其將逆向強化學(xué)習(xí)方法應(yīng)用于電力市場行為分析領(lǐng)域，從發(fā)電主體實際投標行為中辨識其風(fēng)險偏好。2021 年，文獻［95］基于AEMO 市場的實際數(shù)據(jù)，使用逆向深度強化學(xué)習(xí)方法，對發(fā)電主體的供給投標偏好進行了辨識，將投標偏好用多層前饋神經(jīng)網(wǎng)絡(luò)進行量化表征，并通過實際數(shù)據(jù)進行了測試與驗證。2022 年，文獻［96］基于AEMO 市場的實際數(shù)據(jù)，對儲能主體參與能量、調(diào)頻、備用等8 個市場的聯(lián)合決策過程進行逆向強化學(xué)習(xí)，辨識得到其參與不同市場的決策偏好。

2）數(shù)據(jù)驅(qū)動的市場機制設(shè)計

除了對于單個市場主體行為進行分析辨識之外，還有研究嘗試將數(shù)據(jù)驅(qū)動方法應(yīng)用于市場機制設(shè)計中，以解決傳統(tǒng)方法難以處理的許多問題。但是，當前領(lǐng)域的研究尚處于萌芽階段，亟待進一步研究。

目前，已有一些研究嘗試將數(shù)據(jù)驅(qū)動方法應(yīng)用于串謀的識別與抑制中。通過分析多個發(fā)電企業(yè)之間的相互關(guān)聯(lián)性，實現(xiàn)串謀辨識以預(yù)防發(fā)電商采用市場力危害市場的行為。文獻［97］采用基于變分自編碼的高斯混合模型，實現(xiàn)了無監(jiān)督學(xué)習(xí)辨識不同主體間較為相似的報價行為，從而對串謀行為進行預(yù)警。文獻［98］提出了基于排序多元Logit 模型的串謀辨識方法，通過比較高價序列和低價序列的統(tǒng)計差異，來判斷卡特爾型機組是否存在串謀行為。

傳統(tǒng)的電力市場機制設(shè)計研究普遍面臨信息不對稱的挑戰(zhàn)，即對于所設(shè)計的市場機制內(nèi)包含的市場主體行為特性不明確所帶來的問題。在過去很長一段時間內(nèi)，市場機制設(shè)計者只能依托傳統(tǒng)經(jīng)濟學(xué)理論及專家經(jīng)驗法，對市場主體的行為特性與決策目標進行假設(shè)，并基于此對市場機制進行設(shè)計。這在電力市場相對簡單時仍能滿足激勵相容的要求，但隨著可再生能源比例不斷提升、新型市場主體不斷接入，導(dǎo)致電力市場運行環(huán)境愈發(fā)復(fù)雜，傳統(tǒng)的機制設(shè)計將難以滿足要求。

數(shù)據(jù)驅(qū)動方法的引入，極大地改善了傳統(tǒng)電力市場機制設(shè)計所面臨的問題。數(shù)據(jù)驅(qū)動市場主體行為分析方法的提出，從歷史數(shù)據(jù)中辨識市場主體的行為特性，使機制設(shè)計者深入了解主體的行為特性并針對相關(guān)行為特點設(shè)計對應(yīng)的激勵相容市場機制成為可能。進一步，許多數(shù)據(jù)驅(qū)動的分析方法還可從海量數(shù)據(jù)中提煉關(guān)鍵信息，用于支持傳統(tǒng)的機制設(shè)計研究。

4 數(shù)據(jù)驅(qū)動研究面臨的關(guān)鍵挑戰(zhàn)

由上文綜述可見，目前的數(shù)據(jù)驅(qū)動的電力市場研究尚處于發(fā)展階段，還未形成通用的、系統(tǒng)化的研究體系。為此，本章嘗試總結(jié)數(shù)據(jù)驅(qū)動的電力市場研究所面臨的關(guān)鍵挑戰(zhàn)。

1）電力市場數(shù)據(jù)存在較高的分析難度

如前所述，電力市場數(shù)據(jù)主要分為2 類：一類是狀態(tài)邊界與運行結(jié)果數(shù)據(jù)，以負荷、電價、潮流等數(shù)據(jù)為代表；另一類是行為數(shù)據(jù)，以個體投標行為、市場競爭態(tài)勢（ASC 及RDC）為代表。交易行為數(shù)據(jù)屬于電力市場特有的數(shù)據(jù)類型，存在較高的處理難度。其復(fù)雜性主要體現(xiàn)在非結(jié)構(gòu)化的特點上。在大多數(shù)的市場中，個體行為投標通常以“價格-容量對”的形式存儲，其長短不一（量價段數(shù)量不同）、不具有統(tǒng)一的分辨率（每段容量對應(yīng)一個價格），難以像負荷、價格那樣可直接通過數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)方法進行研究，使其研究難度大大增加。盡管近年來逐漸有面向市場交易數(shù)據(jù)的針對性分析方法，但大多數(shù)方法只針對特定結(jié)構(gòu)數(shù)據(jù)或者特定使用環(huán)境，尚無普適、高效的電力市場交易數(shù)據(jù)分析方法體系。

2）市場數(shù)據(jù)存在缺失與不足的問題

盡管近些年來電力市場的數(shù)據(jù)逐步開放，但目前的電力市場數(shù)據(jù)仍存在2 個方面的問題阻礙著相關(guān)研究的開展。一方面，電力市場數(shù)據(jù)的收集具有一定的門檻，在國外電力市場主要體現(xiàn)在市場數(shù)據(jù)獲取的接口與權(quán)限等方面，而在國內(nèi)電力市場則主要體現(xiàn)在市場信息公開平臺建設(shè)不完善等；另一方面，電力市場可獲取的數(shù)據(jù)質(zhì)量有限。例如，許多電力市場的數(shù)據(jù)均存在缺失、遺漏、異常測量值的情況，這給數(shù)據(jù)驅(qū)動的電力市場研究帶來了壓力。

3）電力市場主體建模準確度仍有不足

盡管通過數(shù)據(jù)驅(qū)動研究方法對電力市場主體行為決策實現(xiàn)了較傳統(tǒng)基于優(yōu)化理論方法更精細的建模，但目前對于個體決策行為的建模多直接使用現(xiàn)成的強化學(xué)習(xí)框架，模型假設(shè)與電力市場環(huán)境仍存在偏差，導(dǎo)致市場主體建模不準確。例如，由于個體行為對環(huán)境的影響較為有限，電力市場投標與交易過程并非強化學(xué)習(xí)模型所依賴的標準馬爾可夫決策過程，而是在一定程度上有所退化；由于個體投標行為的復(fù)雜度較高，需在建模時進行降維簡化，目前的離散化簡化方法將為強化學(xué)習(xí)框架在行為空間帶來嚴重的維數(shù)爆炸問題，影響實際模擬效果。

4）在信息不對稱下結(jié)果準確性驗證存在困難

除個體行為建模外，通過歷史數(shù)據(jù)辨識影響個體決策的邊界數(shù)據(jù)，即對個體運行成本、風(fēng)險偏好、理性程度等進行“知識發(fā)現(xiàn)”，也是數(shù)據(jù)驅(qū)動的電力市場研究中的重要研究主題。然而，由于電力市場環(huán)境通常是信息不對稱的，市場管理者與研究者很難獲知包括市場主體運行成本在內(nèi)的決策邊界數(shù)據(jù)，對于邊界數(shù)據(jù)辨識研究的準確性難以直接驗證。目前，學(xué)界通常采用間接驗證的方式，如基于識別的個體決策邊界數(shù)據(jù)，再建模市場主體行為模型，通過比對行為模擬結(jié)果與實際結(jié)果的相似度，來驗證邊界數(shù)據(jù)辨識研究的準確性。雖然這在一定程度上能夠?qū)崿F(xiàn)研究的論證，但其效率低、易引入干擾項，仍需研究更高效、精準的驗證方式。

5）數(shù)據(jù)驅(qū)動研究與市場政策變化的適用性問題

數(shù)據(jù)驅(qū)動的電力市場研究通常需要基于大量歷史實際數(shù)據(jù)的訓(xùn)練，并應(yīng)用于未來電力市場的業(yè)務(wù)中。但是，此技術(shù)流程需滿足一項前提，即用于模型訓(xùn)練與實際應(yīng)用的電力市場機制環(huán)境沒有發(fā)生較大的變化，這就導(dǎo)致數(shù)據(jù)驅(qū)動的電力市場研究在中國電力市場應(yīng)用存在2 個方面問題。其一，面向“雙碳”目標與新型電力系統(tǒng)建設(shè)目標，中國新能源比例迅速提高，大量新能源的接入使得電力市場環(huán)境快速發(fā)生變化，導(dǎo)致許多基于長時間尺度數(shù)據(jù)訓(xùn)練的數(shù)據(jù)驅(qū)動方法的有效性降低；其二，中國各地的電力市場仍在建設(shè)過程中，尤其是各地現(xiàn)貨市場的發(fā)展存在多個時期，市場機制與政策的變化周期很短，不同政策機制下的市場數(shù)據(jù)存在諸多差異性，不能直接投入模型訓(xùn)練。因此，如何在數(shù)據(jù)驅(qū)動的電力市場研究中考慮市場機制的變化，并高效、合理地利用各個市場環(huán)境下的數(shù)據(jù)，是目前尚未解決的重要挑戰(zhàn)。

5 數(shù)據(jù)驅(qū)動市場研究展望

在中國能源體系推動“雙碳”目標的大背景下，面向全國統(tǒng)一電力市場建設(shè)的迫切需求，數(shù)據(jù)驅(qū)動的電力市場研究雖存在諸多挑戰(zhàn)，但同樣面臨著大量應(yīng)用機遇。在此，本章嘗試對未來數(shù)據(jù)驅(qū)動的電力市場研究進行展望，梳理值得關(guān)注的發(fā)展方向。

1）電力市場數(shù)據(jù)標準化結(jié)構(gòu)與分析方法

如前所述，目前世界各國的電力市場數(shù)據(jù)缺乏統(tǒng)一的結(jié)構(gòu)標準，不同市場間的數(shù)據(jù)存在較大的差異性，為數(shù)據(jù)驅(qū)動的電力市場研究增添了難度。隨著研究的深入，相信未來將出現(xiàn)2 類基礎(chǔ)性的研究工作：一是標準化的電力市場數(shù)據(jù)結(jié)構(gòu)定義，對包括負荷、電價、投標行為、市場供需等電力市場關(guān)鍵變量進行標準化的定義，以供各方在此基礎(chǔ)上開展深入研究；二是面向多市場的數(shù)據(jù)協(xié)同接口工作，基于標準化的電力市場數(shù)據(jù)結(jié)構(gòu)，編制世界各國電力市場與之對接的數(shù)據(jù)接口，便于各方研究人員以較低的門檻利用來自世界各國的市場數(shù)據(jù)。

除此之外，未來也將涌現(xiàn)一批針對電力市場數(shù)據(jù)結(jié)構(gòu)的分析方法，如針對市場數(shù)據(jù)的獨特數(shù)據(jù)結(jié)構(gòu)提出數(shù)據(jù)清洗方法，針對市場數(shù)據(jù)存在的冗余性提出信息提煉方法，針對市場數(shù)據(jù)具有的高維性提出適合的高效降維方法等。

2）更精細化的市場行為建模研究與實踐

隨著電力市場建設(shè)的深化和市場范圍的擴大，電力市場運營者對于市場參與主體的行為需要有更強的分析能力，包括提前預(yù)判市場主體交易行為及其影響、交易中對市場主體行為進行實時監(jiān)控、事后追溯市場主體投標異常等。為實現(xiàn)相關(guān)功能，需要更精細化的市場主體行為建模研究技術(shù)。筆者認為該領(lǐng)域的發(fā)展將包括以下3 個主題：

（1）市場主體行為的深度分析技術(shù)。該研究方向需要解決的問題是如何從海量、高維、冗余的電力市場數(shù)據(jù)中，提煉出能夠高效表征市場主體行為的信息量，并將其準確地展示出來。此類研究可用于市場運營者事中監(jiān)控主體行為，或事后對主體行為進行異常辨識。

（2）市場主體行為的高效建模技術(shù)。該研究方向需要解決復(fù)雜的、非結(jié)構(gòu)化的交易行為應(yīng)該如何高效表示的問題，并將其與個體行為決策模型結(jié)合起來。此類研究可用于市場運營者對市場主體建模，并進一步應(yīng)用于個體行為預(yù)測、市場運行模擬、市場均衡分析等研究中。

（3）市場主體行為的精準預(yù)測技術(shù)。該研究方向需要解決如何準確預(yù)測海量市場主體未來復(fù)雜行為的問題，其難點在于交易行為的合理標簽化、與外部影響因素的相關(guān)性、主體內(nèi)部偏好的量化表征等方面。此類研究可用于市場運營者對市場主體的未來行為進行預(yù)判，從而對可能存在的串謀與動用市場力行為進行提前處置。

3）數(shù)字孿生的數(shù)據(jù)驅(qū)動市場模擬研究

未來的新型電力系統(tǒng)建設(shè)將引入更高比例的新能源，勢必為電力市場的運行帶來更大的不確定性。在此背景下，對電力市場運行提前預(yù)警、實時監(jiān)測、全時評估的重要性進一步凸顯。使用數(shù)據(jù)驅(qū)動的電力市場技術(shù)建立市場運行的“數(shù)字孿生”模型迫在眉睫。

在未來海量電力市場數(shù)據(jù)基礎(chǔ)上，對電力市場的復(fù)雜組成部分，如發(fā)電主體、用電主體、聯(lián)絡(luò)線、以天氣為代表性的外部因素等，進行數(shù)據(jù)驅(qū)動的建模，再將其按照市場規(guī)則進行組合，建立電力市場的“數(shù)字孿生”模型。通過對模型中的各個組成部分進行預(yù)測，將預(yù)測結(jié)果組合進入市場并模擬出清，即可獲得電力市場高精度模擬結(jié)果，包括各個市場主體的出力結(jié)果、市場價格、網(wǎng)絡(luò)潮流等?；诖耍袌鲞\營者能夠?qū)崿F(xiàn)對電力市場運行的高精度預(yù)判與全時監(jiān)測，從而在市場面臨風(fēng)險時提前采取措施，確保電力市場的安全穩(wěn)定運行。

4）支撐機制設(shè)計的數(shù)據(jù)驅(qū)動市場均衡研究

電力市場的機制設(shè)計在投入實際應(yīng)用前，應(yīng)經(jīng)過充分的驗證。然而，由于目前的技術(shù)限制，很多針對電力市場設(shè)計的機制在投入實際應(yīng)用前，并未經(jīng)過符合市場實際運行特點的測試，而主要采用基于專家評審的方法進行定性驗證?？上攵?，此種模式將不可避免地產(chǎn)生機制設(shè)計與實際的偏差，從而影響機制設(shè)計的有效性。在未來，高比例新能源接入電力系統(tǒng)、海量市場主體參與各層級電力市場，將不可避免地增加市場的不確定性，進一步影響機制設(shè)計的實際應(yīng)用效果。

數(shù)據(jù)驅(qū)動的電力市場博弈均衡研究方法是解決此難題的重要技術(shù)路徑之一?？苫诤Ａ恐黧w的歷史行為數(shù)據(jù)，提煉關(guān)鍵信息形成個體行為模型，將海量個體行為模型內(nèi)嵌入市場規(guī)則量化后的市場環(huán)境模型中，分析主體在市場中的交互過程與均衡狀態(tài)。其區(qū)別于傳統(tǒng)研究方法的特點在于：市場主體的建模均來自歷史數(shù)據(jù)，由數(shù)據(jù)進行驅(qū)動，因此，能夠較為真實地描繪市場主體對于特定市場機制的反應(yīng)。通過將均衡結(jié)果與期望結(jié)果進行對比分析，即可判斷機制設(shè)計的有效性，還可以進行不同市場機制效果的量化評估。

5）支撐中國電力市場建設(shè)的數(shù)據(jù)驅(qū)動研究

近年來，中國電力市場建設(shè)不斷深化，電力現(xiàn)貨市場即將進入正式運營階段。相應(yīng)的，國家和各個電力市場也逐漸公布了其信息公開政策，如2020 年底，國家能源局發(fā)布了《電力現(xiàn)貨市場信息披露辦法（暫行）》［99］，各個市場也逐步發(fā)布了其信息披露細則?？梢灶A(yù)見在不遠的將來，國內(nèi)各個市場也將在一定程度上披露數(shù)據(jù)。

盡管中國目前的電力市場數(shù)據(jù)公開較少，難以支撐數(shù)據(jù)驅(qū)動的電力市場研究，但考慮到世界各地的電力市場存在一定的相似性，研究者可先基于國外成熟市場數(shù)據(jù)開展研究，獲得可行的研究方法。待中國市場數(shù)據(jù)成熟后，可在第一時間應(yīng)用于國內(nèi)電力市場，并對電力市場的運行監(jiān)測、報價決策、機制設(shè)計等實際業(yè)務(wù)產(chǎn)生技術(shù)支撐作用。

在中國電力市場數(shù)據(jù)開放的大背景下，將涌現(xiàn)出一批針對國內(nèi)電力市場數(shù)據(jù)特點的數(shù)據(jù)驅(qū)動研究，對國內(nèi)電力市場建設(shè)產(chǎn)生實際支持。包括但不限于以下研究方向：面向各個電力市場特點（不同的發(fā)電燃料組合、用戶需求價格敏感度等），提出針對性的市場邊界預(yù)測方法；考慮中國“計劃-市場”雙軌制的市場特點，基于海量歷史數(shù)據(jù)，為雙軌制發(fā)電主體設(shè)計最優(yōu)投標策略；基于中國電力市場實際數(shù)據(jù)，分析市場主體的投標行為與互動關(guān)系，進行數(shù)據(jù)驅(qū)動的市場模擬與均衡分析；針對中國電力市場的特殊市場機制設(shè)計，如雙軌制、中長期交易偏差考核等，進行數(shù)據(jù)驅(qū)動的市場分析，評估相應(yīng)機制的效率等。

6）適應(yīng)新型電力系統(tǒng)的數(shù)據(jù)驅(qū)動市場研究

目前，中國已開始推進新型電力系統(tǒng)的建設(shè)，其具有含高比例新能源的特點，導(dǎo)致系統(tǒng)不確定性大大增加，為傳統(tǒng)電力市場的運行帶來了新的挑戰(zhàn)。在此背景下，數(shù)據(jù)驅(qū)動的電力市場研究的重要性進一步凸顯，未來將出現(xiàn)一系列的關(guān)鍵應(yīng)用，主要體現(xiàn)在以下2 個方面：

（1）對已有研究方向的再次深化。例如，針對高比例新能源及大量新型主體接入的特點，設(shè)計針對性的市場邊界預(yù)測方法；進一步，將市場邊界預(yù)測與個體報價決策相結(jié)合，為海量參與市場的新能源主體及新型市場主體提供投標優(yōu)化決策方法。

（2）針對新型電力系統(tǒng)背景下產(chǎn)生的新市場業(yè)態(tài)，通過數(shù)據(jù)驅(qū)動的技術(shù)手段實現(xiàn)知識發(fā)現(xiàn)與定量研究。例如，在新型電力系統(tǒng)中將產(chǎn)生配電網(wǎng)分布式市場，以局部微網(wǎng)的形式包含了分布式新能源、分布式儲能、電動汽車等多種主體，各個參與者以生產(chǎn)者、消費者、產(chǎn)消者的混合形式進行交易。通過數(shù)據(jù)驅(qū)動的市場模擬方法，可從歷史交易數(shù)據(jù)中提煉關(guān)鍵信息，建立分布式市場的數(shù)字孿生模型，對個體決策、交易行為、市場走勢等進行量化分析。

6 結(jié)語

在電力市場迅速發(fā)展及新型電力系統(tǒng)建設(shè)的背景下，本文對數(shù)據(jù)驅(qū)動的電力市場研究進行了綜述。首先，本文將傳統(tǒng)電力市場研究分為市場狀態(tài)參數(shù)研究、投標優(yōu)化決策、市場均衡分析與市場機制設(shè)計4 個方向，分別對其研究現(xiàn)狀及局限性進行了歸納；其次，本文針對世界范圍內(nèi)7 個較為成熟、知名度較高的電力市場的信息發(fā)布與數(shù)據(jù)開放政策進行了歸納，總結(jié)了不同市場在邊界數(shù)據(jù)、行為數(shù)據(jù)及結(jié)果數(shù)據(jù)方面的公開程度，為廣大電力市場數(shù)據(jù)研究者提供了參考；接著，本文對數(shù)據(jù)驅(qū)動的電力市場研究現(xiàn)狀分4 個方向進行了總結(jié)，分別是數(shù)據(jù)驅(qū)動的市場狀態(tài)參數(shù)研究、數(shù)據(jù)驅(qū)動的投標決策研究、數(shù)據(jù)驅(qū)動的博弈均衡研究及數(shù)據(jù)驅(qū)動的市場機制研究；進一步，本文嘗試歸納數(shù)據(jù)驅(qū)動的電力市場研究的關(guān)鍵挑戰(zhàn)，包括數(shù)據(jù)的復(fù)雜性、不完整、準確性差、驗證難和適用性5 個方面；最后，本文對未來數(shù)據(jù)驅(qū)動的電力市場研究進行了展望。

希望本文能為廣大電力市場研究者、從業(yè)者、管理者與機制設(shè)計者提供新的研究思路與技術(shù)方法，推動中國電力市場研究更快發(fā)展。