周華鋒，劉映尚，彭超逸，許丹莉

（中國南方電網(wǎng)電力調(diào)度控制中心，廣州 510623）

發(fā)電商報價是電力市場價格形成的主要因素之一，也是市場力操縱的主要來源。從世界范圍的電力市場化歷史經(jīng)驗來看，發(fā)電商的市場力過度使用會導(dǎo)致市場的低效運行、社會福利的無謂損失、甚至威脅電力系統(tǒng)的安全可靠運行，最著名的例子就是加州電力危機，即：在夏季用電高峰時段，大量的發(fā)電商利用南北輸電容量與發(fā)電容量有限等限制條件進行持留容量，抬高報價曲線等方式濫用市場力，最后導(dǎo)致批發(fā)市場電價飛速上漲，政府大量負(fù)債，市場不得不暫停運行[1-3]?？偠灾m然有種種因素導(dǎo)致當(dāng)時價格的上揚，但歸其根本則是市場監(jiān)管機制的缺位導(dǎo)致了上述危機。由于電力市場是人為設(shè)計的工程實踐，并非自發(fā)形成的商品市場，在理論研究層面相對于其他商品較晚，電力市場力的定義與監(jiān)管相比于其他商品領(lǐng)域尚未有明確的定義[4-5]。對于市場力擁有者而言，行使市場力能夠相對其不使用市場力時獲得更多收益，無論該收益是在短期或者長期內(nèi)實現(xiàn)，而其收益的獲得則損害了社會整體福利，通過消費者或者生產(chǎn)商的利益損失獲得，所以對具有市場力的市場主體，其濫用市場力的行為必須受到嚴(yán)格監(jiān)管[6]。關(guān)于電力市場中的市場力問題，國內(nèi)外學(xué)者已經(jīng)進行了一些研究。在市場監(jiān)管指標(biāo)體系方面，文獻[7]從市場結(jié)構(gòu)、供應(yīng)者狀況兩大層面進行市場整體分類，文獻[8-9]將市場結(jié)構(gòu)類細(xì)化為Top-m指標(biāo)、HHI指標(biāo)等，供應(yīng)者狀況細(xì)化為剩余供應(yīng)者指標(biāo)、最小/最大市場份額比指標(biāo)等。

在市場監(jiān)管方法和手段方面，文獻[10]介紹了云南省電力市場的監(jiān)管方法與手段，主要包括市場評價指標(biāo)、采用價格影響測試進行市場力檢測以及市場披露機制；文獻[11-12]則在理論層面對市場力的監(jiān)管進行模擬仿真，分別采用物理潮流計算方法和委托-代理對發(fā)電廠的報價市場力動用進行分析；文獻[13]在市場監(jiān)管方面提出了發(fā)電商的監(jiān)管措施與指標(biāo)，探討了發(fā)電商競價機制效率損失以及電網(wǎng)企業(yè)壟斷的社會福利損失問題。

以上研究為電力市場力風(fēng)險的分析提供了有力的理論與方法支撐，但存在著兩方面的問題：一是上述研究成果，多集中在概念定義、指標(biāo)體系、市場建設(shè)經(jīng)驗以及理論層面的探討研究，可行性較差，不能運用到工程實踐當(dāng)中；二是大多數(shù)研究僅單方面從分析指標(biāo)或手段出發(fā)開展研究，無法將兩者進行有機融合，從而形成一套切實可行的報價行為分析方法。

針對上述研究現(xiàn)狀和問題，本文從機組動用市場力進行持留及串謀的機理出發(fā)，基于我國全電量申報競價的電力現(xiàn)貨市場環(huán)境提出了機組簇報價曲線相似度及機組簇報價持留水平指標(biāo)，從而準(zhǔn)確地反映多個發(fā)電商的報價行為，有效地克服了現(xiàn)有指標(biāo)的局限性。構(gòu)建了基于均值聚類的現(xiàn)貨市場報價行為分析方法，該方法克服了傳統(tǒng)均值聚類法需要人為指定聚類簇心的缺陷，可以對現(xiàn)貨市場的報價行為進行準(zhǔn)確地分析，有利于提升市場管理者對現(xiàn)貨市場報價行為的分析與監(jiān)控水平。

1 市場力操縱

市場力操縱指發(fā)電商利用自身的市場力不正當(dāng)?shù)剡M行市場競爭，該行為嚴(yán)重地?fù)p害了電力市場的競爭效率以及其他市場成員的利益。通常來說，電力市場力操縱包括持留行為與串謀行為，其中持留行為又包括物理持留與經(jīng)濟持留。

1.1 持留行為

1.1.1 物理持留

物理持留是指發(fā)電商保留部分發(fā)電能力并不參與市場，從而造成供應(yīng)短缺，提高市場價格，獲得超額經(jīng)濟利益。物理持留的常見形式為發(fā)電商謊稱發(fā)電機組故障停機或者因為檢修導(dǎo)致可用容量減少，其典型申報曲線如圖1所示。發(fā)電商的物理持留行為較容易判斷，只需對比實際投標(biāo)容量和發(fā)電機組的額定容量進行對比或者機組是否按照檢修計劃進行檢修進行判斷即可。國內(nèi)電力現(xiàn)貨市場的試點建設(shè)地區(qū)已經(jīng)采用全電量申報的競價方式，在很大程度上解決了發(fā)電商物理持留的問題。

圖1 物理持留的典型申報曲線Fig.1 Typical reporting curve for physical withholding

1.1.2 經(jīng)濟持留

經(jīng)濟持留是指發(fā)電商在報價的時候?qū)Σ糠职l(fā)電容量報高價，故意使這部分容量不中標(biāo)，減少實際的容量供應(yīng)，其典型申報曲線如圖2所示。由于經(jīng)濟持留體現(xiàn)在發(fā)電商的投標(biāo)行為中，而不同的發(fā)電商競價策略并不一致，無法定量進行分析。發(fā)電商經(jīng)濟持留的形式比物理持留的形式更為隱蔽，更加難以識別。在電力市場競價中，大多數(shù)發(fā)電商的持留行為均屬于經(jīng)濟持留，因此本文僅討論經(jīng)濟持留。

圖2 經(jīng)濟持留的典型申報曲線Fig.2 Typical reporting curve for economic withholding

1.2 串謀行為

串謀行為指的是幾個發(fā)電商集結(jié)制定符合利益的策略，利用自身的市場力對市場進行操縱。由于聯(lián)盟集合了不同的發(fā)電商，該聯(lián)盟在市場中的份額為發(fā)電商的和，數(shù)量較大，其行為對市場具有重大影響。若市場中發(fā)生了發(fā)電商的串謀行為，往往會造成較為嚴(yán)重的市場非正常運行。由于串謀行為涉及的個體較多，無論是定性還是定量方面都比較難以定義，因此串謀行為相比于持留行為的監(jiān)管難度更大。對于防止發(fā)電商串謀，目前市場中常采用簽訂中長期合同幫助發(fā)電商鎖定收益，減少其通過串謀行為獲得超額利益的動機。但是對于識別發(fā)電商串謀，電力市場中卻還較少切實有效的解決措施。

2 報價行為分析模型

2.1 持留行為分析指標(biāo)及手段

2.1.1 勒納指數(shù)

關(guān)于持留行為分析，目前使用率最高的衡量指標(biāo)為勒納指數(shù)LI（Lerner index），其通過市場出清電價與邊際成本的偏差程度來衡量市場參與者的壟斷力水平。具體定義為

式中：P為當(dāng)前市場的出清價格；MC為機組的邊際成本。在理想的市場中，機組的LI等于0；在一般市場中，機組的LI稍大于0；但若機組的LI過高，則說明機組有可能存在持留行為，本文選定LI的合理范圍為（0，0.25）[14]。

2.1.2 剩余供應(yīng)率指數(shù)

發(fā)電商的剩余供應(yīng)率指數(shù)RSI（residual supply index）是指某一時段除該機組外，其他機組的市場份額之和。用公式表示為

式中：m為市場中所有機組的數(shù)量；qj為第j個機組的容量；qi為第i個機組的容量；D為市場總負(fù)荷需求。機組的RSI數(shù)越小，其控制市場電價的能力越強，越有可能聯(lián)合其他發(fā)電商合謀競價以抬高市場出清價，獲得超額利潤。當(dāng)RSIi<1，表明若缺少了機組i的供給，將無法滿足市場符合的需求。此時，該機組對市場電價具有完全的控制力。

2.1.3 行為影響測試

國外成熟電力市場大都使用了行為影響測試來判斷發(fā)電商是否存在利用市場力操縱市場價格的行為。行為影響測試是指將機組的實際報價與參考報價進行對比，若機組的實際報價偏離參考報價的程度過高，表明未通過行為影響測試。定義行為影響測試因子α為

式中：Pbid為機組的實際報價；Pref為市場的基準(zhǔn)報價。

在美國紐約州電力市場中，當(dāng)α>2時行為影響測試不通過標(biāo)準(zhǔn)，在新英格蘭、中西部電力市場，當(dāng)α>3行為影響測試不通過。我國電力市場主體的集中度更高，應(yīng)該設(shè)定更為嚴(yán)格的標(biāo)準(zhǔn)，本文選定當(dāng)行為影響測試因子α>1.5時，行為影響測試不通過。

2.1.4 價格影響測試

若機組未通過行為影響測試，則對其進行價格影響測試，兩者的不同之處在于行為影響測試衡量的是機組實際報價偏離參考報價的程度，而價格影響測試則是衡量了報價對邊際節(jié)點電價的影響程度。定義價格影響測試因子β為

式中：Pori為調(diào)度中心使用機組的原始報價進行出清時的市場價格，稱為原始市場價格；Patt為調(diào)度中心使用基準(zhǔn)報價替代原始報價進行出清時的市場價格，稱為替代市場價格。根據(jù)國外電力市場的運行經(jīng)驗，本文選定當(dāng)β>2時，價格影響測試不通過。

2.1.5 經(jīng)濟調(diào)度模型

本文所述的現(xiàn)貨市場報價分析模型中涉及行為影響測試及價格影響測試，這兩個測試均涉及節(jié)點電價，現(xiàn)階段我國電力市場是使用經(jīng)濟調(diào)度模型確定節(jié)點電價。經(jīng)濟調(diào)度模型SCED（security con?strained economic dispatch）是電力市場中用于出清計算得到各個節(jié)點分時電價的算法。

2.2 串謀行為分析指標(biāo)及手段

2.2.1 改進的均值聚類

最常見的聚類分析算法有層次聚類、密度聚類和均值聚類。層次聚類運行速度快，可以處理復(fù)雜的空間簇，但對電力市場這樣具備高維數(shù)據(jù)特征的聚類效果不理想[15]。而密度聚類的抗噪聲能力強，但需要給定大量參數(shù)，且聚類結(jié)果對輸入的參數(shù)較為敏感[16]。均值聚類本質(zhì)是以集群點的平均值作為參考對象進行聚類，時間復(fù)雜度低，但其初始聚類簇心必須人為給定。因此，本文以未通過行為影響測試的機組作為初始聚類簇心，減少均值聚類算法的人為主觀性，使其可從機組的報價曲線中挖掘出疑似串謀的聯(lián)盟。

改進均值聚類分析的步驟如下。

2.2.2 機組簇報價曲線相似度

本文將機組對報價曲線相似度進行加權(quán)平均獲得機組簇報價曲線相似度。機組對報價曲線相似度以兩個機組報價曲線間的面積來衡量[17]，機組A和B形成的機組對的報價曲線相似度ρAB表示為

式中：pA(ε)和pB(ε)分別為機組A和B的申報價和申報量占比曲線的函數(shù)表達式；ε為機組申報量占比。

以機組簇中有3臺機組A、B、C為例，機組簇報價曲線相似度ρABC的計算公式為

式中，ρAB、ρBC、ρAC分別為機組A和B、機組B和C、機組A和C的機組對報價曲線相似度。

機組簇報價曲線相似度克服了報價曲線相似度僅能分析兩兩發(fā)電商報價行為的缺陷，可以做到對兩個以上的發(fā)電商報價行為進行分析。當(dāng)機組簇的報價曲線相似度指標(biāo)越大，說明機組簇內(nèi)的若干個發(fā)電商報價曲線越相似，機組間組成串謀聯(lián)盟的可能性也就越大。本文劃定該指標(biāo)的合理標(biāo)準(zhǔn)為（0，0.8）。

2.2.3 機組簇報價持留水平

發(fā)電商組成串謀聯(lián)盟是為了通過協(xié)商以共同抬高市場價格，聯(lián)盟內(nèi)部成員的報價有高有低，但是為了獲得超額收益，聯(lián)盟的整體報價水平卻總是偏高。因此，本文通過構(gòu)建機組簇持留水平指標(biāo)衡量機組簇的整體報價情況，其計算公式為

若機組簇持留水平指標(biāo)偏高，則說明該機組簇的整體報價水平高于其他市場成員，具備串謀聯(lián)盟的特征。本文劃定該指標(biāo)的合理范圍為（0，1.2），該范圍可由市場管理者根據(jù)市場運營情況進行動態(tài)調(diào)整。

2.3 現(xiàn)貨市場報價行為分析模型

在以上研究的基礎(chǔ)上，本文提出了基礎(chǔ)均值聚類算法的現(xiàn)貨市場報價分析模型，其分析流程如圖3所示。

圖3 基于均值聚類算法的現(xiàn)貨市場報價分析模型Fig.3 Analysis model of quotation in spot market based on mean clustering algorithm

3 算例仿真

3.1 算例數(shù)據(jù)

為了驗證上述現(xiàn)貨市場報價行為分析模型的有效性，本文選取了某地區(qū)電力現(xiàn)貨市場試運行期間中一天的交易數(shù)據(jù)進行仿真。該地區(qū)電力現(xiàn)貨市場采用全電量報價模式，每15 min進行一次市場出清，每小時內(nèi)4個15 min的節(jié)點電價的算數(shù)平均值計為該節(jié)點每小時的平均節(jié)點電價。本文將發(fā)電機組的邊際成本分為啟動成本、變動成本及固定成本，依據(jù)發(fā)電企業(yè)申報的財務(wù)報表或上市公司的財務(wù)報表等途徑獲取電廠的固定成本和燃料成本等數(shù)據(jù)對機組的發(fā)電成本進行測算，各發(fā)電機組的邊際成本及報價情況[14]如表1和表2所示，電力系統(tǒng)的運行狀態(tài)如圖4所示。

表1 各發(fā)電機組的邊際成本Tab.1 Marginal cost of each generator set

表2 各發(fā)電機組的報價信息Tab.2 Quotation information of each generator set

圖4 電力系統(tǒng)網(wǎng)絡(luò)Fig.4 Network of power system

3.2 持留行為分析

3.2.1 勒納指數(shù)LI

根據(jù)式（1）、機組的邊際成本信息及市場出清信息，計算出各發(fā)電機組的LI，繪制出LI在一天24 h內(nèi)的變化情況，如圖5所示。

圖5 各發(fā)電機組的LIFig.5 LI for each generator set

通過對圖5進行橫向?qū)Ρ瓤芍鳈C組的LI變化趨勢相同，與典型的日負(fù)荷曲線相符合。在凌晨01∶00—07∶00，用戶負(fù)荷需求低，此時機組的LI也最低；在07∶00—09∶00期間，用戶負(fù)荷需求突然增加，此時機組的LI也隨之升高；在09∶00—20∶00期間較為平緩，最后在21∶00—24∶00期間逐漸降低。通過對圖5進行縱向?qū)Ρ瓤芍鳈C組的LI分布情況符合其邊際成本分布情況。機組1、2、4的邊際成本介于機組3、5之間，因此機組1、2、4的LI介于機組3、5之間；此外，機組2的邊際成本高于機組1、4，因此除了在4時及16時外，機組2的LI均低于機組1、4；而機組3的的邊際成本最高，其LI低于其他所有機組；機組5的邊際成本最低，因此其LI高于其他所有機組。

由以上分析可知，機組3的LI始終低于0.25，通過了LI測試。而機組1、2、4、5在17時的LI大于0.25，未通過LI測試。

3.2.2 RSI

根據(jù)式（2）、機組的報價信息及市場的負(fù)荷需求信息，計算出各發(fā)電機組的RSI，繪制出RSI在一天24 h內(nèi)的變化情況，如圖6所示。

圖6 各發(fā)電機組的RSIFig.6 RSI index for each generator set

由圖6可知，在01∶00—07∶00期間，市場負(fù)荷需求較為低，市場供給較為充分，各發(fā)電機組的RSI均較高，沒有若發(fā)生缺少某臺機組市場供給就無法滿足市場負(fù)荷需求的情況；在07∶00以后，機組5的RSI長時間低于1，說明其對市場電價具有完全的控制力。另外，機組2、3、4在當(dāng)天16∶00的RSI也小于1。

由以上分析可知，機組1的RSI始終低于1，通過了RSI測試。而機組2、3、4、5都出現(xiàn)了RSI小于1的情況，未通過RSI測試。

3.2.3 行為影響測試

參照國外成熟電力市場的標(biāo)準(zhǔn)，本文將市場基準(zhǔn)報價設(shè)置為機組的邊際成本的1.1倍[18]，根據(jù)式（3）計算出各發(fā)電機組的行為影響測試因子，如圖7所示。由圖7可知，機組5的行為影響測試因子指數(shù)，機組4、3次之，而機組1、2的行為影響測試因子最低。結(jié)合機組的邊際成本及報價信息可知，對于機組4、5，其邊際成本是整個市場最低的兩個機組，但卻在現(xiàn)貨市場中申報了很高的價格，因此機組4、5的行為影響測試指數(shù)最高；對于機組3，其邊際成本雖然高于其他機組，但其報價也屬于整個市場中較高的，因此機組3的行為影響測試因子也較高。由以上分析可知，機組3、4、5的行為影響測試因子大于1.5，未通過行為影響測試。

圖7 各發(fā)電機組的行為影響測試因子Fig.7 Behavior test factor of each generator set

3.2.4 價格影響測試

基于經(jīng)濟調(diào)度模型，對未通過LI測試、RSI測試及行為影響測試的機組進行價格影響測試，如圖8所示。繪制出機組5所在節(jié)點6的原始出清價格曲線及使用基準(zhǔn)報價替代機組5報價后再次出清的基準(zhǔn)出清價格曲線，如圖9所示。由圖8和圖9可知，在13∶00，機組5的價格影響測試因子β達到了2.3。因此，機組1、2、3、4通過價格影響測試，機組5未通過測試。

圖8 各發(fā)電機組的價格影響測試因子Fig.8 Price test factor of each generator set

圖9 節(jié)點6的兩種出清價格Fig.9 Two clearing prices at node 6

將以上各機組的測試結(jié)果進行匯總，如表3所示，其中標(biāo)記●代表通過測試，○代表未通過測試。

表3 各發(fā)電機組的持留行為分析結(jié)果Tab.3 Analysis results of withholding behavior of each generator set

由表3可知，機組4在多項持留行為的分析測試中未通過，而機組5在所有測試中均未通過。

從機組4和機組5在電力系統(tǒng)網(wǎng)絡(luò)中所處的位置可知，其位置處于負(fù)荷中心區(qū)，為周邊區(qū)域的唯一電源，形成了典型的“負(fù)荷口袋”[19]。因此機組4、5在該區(qū)域內(nèi)具有一定的壟斷能力。

從動機上看，機組4、5所處的有利地理位置使其擁有了利用其局部市場力對市場進行壟斷，以此獲得超額收益的作案動機。

從行為上看，機組4、5的機組邊際成本低，但在現(xiàn)貨市場中的報價卻很高，具備利用其成本及市場力優(yōu)勢進行經(jīng)濟持留，從而抬高市場價格的嫌疑。

從結(jié)果上看，機組5利用其市場份額優(yōu)勢使市場價格極大地偏離了正常應(yīng)有的水平，擾亂了市場秩序，阻礙了市場的有序競爭。建議有關(guān)部門在對其進行調(diào)查的基礎(chǔ)上，對該地區(qū)的電源結(jié)構(gòu)進行改善，從而根本性地解決市場力問題。

3.3 串謀行為分析

3.3.1 改進的均值聚類

持留行為分析中，機組3、4、5未通過行為測試，因此將機組3、4、5作為初始聚類簇心，根據(jù)第2.2.1節(jié)中的步驟進行均值聚類，直到均值聚類算法收斂。普通均值聚類算法及改進均值聚類算法的結(jié)果如表4所示，兩者的時間對比如表5所示。

表4 改進均值聚類算法的結(jié)果Tab.4 Result of improved mean clustering algorithm

表5 均值聚類算法時間對比Tab.5 Comparison of time between mean clustering

根據(jù)式（13）可知，機組1、4的報價在各段的變化情況相似導(dǎo)致了它們之間的歐式距離較小。因此，機組1、機組4的第一段及最后一段報價雖然并不完全相同，但變化趨勢基本一致；機組2、機組3的第一段報價相同，且后面各段報價的變化情況也極為相似；機組5的經(jīng)濟持留行為明顯，導(dǎo)致其與其他機組之間的歐式距離非常大，因此機組5容易被單獨歸為一個簇類。由以上分析可知，理想的聚類算法應(yīng)將機組1與機組4歸為一個簇類，將機組2與機組3歸為一個簇類。由表4中兩種均值聚類算法的結(jié)果可以看出，改進均值聚類算法的聚類結(jié)果較普通均值聚類算法更加合理與科學(xué)。

由于電力現(xiàn)貨市場運營數(shù)據(jù)具有規(guī)模大、產(chǎn)生速度快、數(shù)據(jù)種類多等特點，直接使用聚類算法對機組進行聚類分析可能產(chǎn)生分類的結(jié)果產(chǎn)生隨機、低效、不收斂等問題。改進均值聚類算法使用了報價行為分析結(jié)果作為初始聚類簇心，克服了傳統(tǒng)均值聚類法需要人為指定聚類簇心的缺陷，減少了算法在初值及參數(shù)設(shè)置上的隨機性。由表5可知，改進均值聚類算法比傳統(tǒng)均值聚類算法有著更高的算法效率。

3.3.2 串謀行為指標(biāo)分析

基于均值聚類結(jié)果及市場報價信息，計算出各機組簇的串謀行為指標(biāo)如表6所示，并繪制出各簇類中機組的報價曲線如圖10和圖11所示。

表6 簇類Ⅰ、Ⅱ的串謀行為指標(biāo)Tab.6 Conspiracy indicators for clusters I and II

圖10 簇類I（機組1、4）的報價曲線Fig.10 Quotation curves of cluster I(units 1 and 4)

圖11 簇類Ⅱ（機組2、3）的報價曲線Fig.11 Quotation curves of clusterⅡ(units 2 and 3)

由表6及圖10和圖11可知，兩個簇類中機組的報價曲線都極為相似，且報價曲線度均較高，說明均值聚類算法的效果良好，可以把具有相同報價特征的機組歸為同一簇類；機組2、3的報價持留水平較機組1、4要高，前者的報價明顯處于市場高位。另外，根據(jù)圖4可知，機組2、3很有可能利用其處于相鄰地理位置的特點組成串謀聯(lián)盟，相互協(xié)商報價使節(jié)點2和節(jié)點3之間形成潮流斷面，從而達到對市場進行操縱的目的。

綜上所述，根據(jù)均值聚類結(jié)果及串謀行為指標(biāo)分析，兩個簇類中的機組報價都極為相似，應(yīng)當(dāng)對其進行重點關(guān)注；對于簇類Ⅱ的機組，市場管理者應(yīng)從機組所屬集團的歷史合作關(guān)系、控股關(guān)系、輸電通道的阻塞情況等方面進一步調(diào)查取證，由市場管理者根據(jù)監(jiān)管經(jīng)驗與實際情況對其市場力行為進行處理。

4 結(jié)論

針對目前現(xiàn)貨市場建設(shè)過程中電力市場力風(fēng)險問題，本文對市場力行為進行闡述，在歸納總結(jié)現(xiàn)有識別指標(biāo)的基礎(chǔ)上提出了識別機組串謀聯(lián)盟行為的新指標(biāo)，構(gòu)建了一套基于均值聚類的現(xiàn)貨市場報價行為分析方法。通過實例驗證，得出以下結(jié)論。

（1）本文從機組動用市場力進行持留及串謀的機理出發(fā)，建立了一套適用于電力現(xiàn)貨市場的報價行為分析指標(biāo)及手段。各分析指標(biāo)及手段能有效地對持留及串謀行為進行識別，高效地反映了機組在現(xiàn)貨市場中的報價行為。

（2）在報價行為分析指標(biāo)及手段的配合上，從市場力風(fēng)險應(yīng)做到事前防范、事中識別、事后處置為原則出發(fā)，構(gòu)建了基于特定指標(biāo)及均值聚類的現(xiàn)貨市場報價行為分析方法。該方法首先對單個機組報價的持留行為進行分析，然后基于持留行為分析的結(jié)果對均值聚類算法進行改進，克服了傳統(tǒng)均值聚類法需要人為指定聚類簇心的缺陷，減少了算法在初值及參數(shù)設(shè)置上的隨機性，提高了算法的科學(xué)性。

（3）算例結(jié)果表明，本文所提方法可行性強，思路清晰，對現(xiàn)貨市場的報價行為分析結(jié)果客觀可靠，有利于提升市場管理者對現(xiàn)貨市場報價的分析與監(jiān)控水平，具有較高的推廣應(yīng)用價值。

由于現(xiàn)階段我國電力現(xiàn)貨市場建設(shè)處于起步階段，可用于研究的機組數(shù)據(jù)不足，這使得模型的有效性需要進一步驗證。后續(xù)研究將在本文分析模型的基礎(chǔ)上，增加參與現(xiàn)貨市場機組的數(shù)量，并進一步討論可再生能源機組進行電力市場后市場力的監(jiān)管問題，探討不同類型機組參與市場競爭的報價行為分析。