1.本发明涉及电力零售市场技术领域，具体涉及一种监测电力零售市场风险的评估方法及系统。
背景技术：2.电力零售市场与电力批发市场一同构建组成电力交易市场，自2015年电改以来，各省均大力发展了电力批发市场，然而针对电力零售市场鲜有涉及。电力零售市场作为电改的下一阶段趋势，拥有巨大市场容量。
3.然而目前市面上针对的电力零售市场的风险评估方法不多，例如通过改进加权聚类，基于可拓云模型，对电力零售市场进行事后风险评价，并确定风险评价等级，然后进行事后风险评价，并不能在电力交易前反应电力零售市场的市场风险。但在电力零售市场上，如不能在电力交易前监测到电力零售市场的市场风险，可能会给售电公司带来经营风险，或损害电力用户的利益。
4.因此，随着电力市场的逐步开放，如何实现在电力交易前监测到电力零售市场的风险，亟待解决。
技术实现要素：5.鉴于以上技术问题，本发明的目的在于提供一种监测电力零售市场风险的评估方法及系统，可实现在电力交易前监测到电力零售市场风险。
6.本发明采用以下技术方案：
7.一种监测电力零售市场风险的评估方法，包括以下步骤：
8.获取电力零售市场的总目标因素集，所述总目标因素集为影响电力零售市场风险的风险因素组成的集合；
9.根据所述总目标因素集构建判断矩阵，并计算所述判断矩阵的权向量；
10.根据专家对各个风险因素的重要程度打分的结果构建风险因素的评价矩阵；
11.将所述评价矩阵与所述权向量进行模糊合成，得到所述总目标因素集的评价结果；
12.对所述评价结果进行反模糊化处理，得到所述评价结果的重心元素，将所述重心元素作为总目标因素集的风险等级值；
13.根据预设的评价标准和所述风险等级值进行判断分析，得到电力零售市场的风险大小。
14.优选的，所述根据所述总目标因素集构建判断矩阵，包括：
15.将所述总目标因素集中的每两个指标值进行比较，得到每两个指标值的比较结果；
16.根据预设的标度标准确定所述每两个指标值的比较结果的标度值，根据所述标度值构建判断矩阵。
17.优选的，还包括：对所述判断矩阵进行一致性校验，得到一致性比例值；根据所述一致性比例值判断所述判断矩阵是否合理；若所述一致性比例值小于0.1，则表示判断矩阵具有很好的一致性，所述判断矩阵合理；若所述一致性比例值等于0.1，则表示判断矩阵具有较好的一致性，所述判断矩阵较合理；若所述一致性比例值大于0.1，则表示判断矩阵不符合一致性原则，需调整所述判断矩阵。
18.优选的，所述对所述判断矩阵进行一致性校验，得到一致性比例值，包括：
19.计算所述判断矩阵的一致性指标值，并获取预设的平均随机一致性指标值，所述一致性比例值为所述一致性指标值与所述平均随机一致性指标值的商值。
20.优选的，所述根据预设的评价标准和所述风险等级值进行判断，得到电力零售市场的风险大小，包括：预先构建风险评价集，所述风险评价集v＝(5,4,3,2,1)，所述风险评价集中的元素5、4、3、2和1分别对应风险很高、风险较高、风险一般、风险较低和风险很低的风险等级；将所述风险等级值与所述风险评价集中的各元素进行大小对比，将与所述风险等级值最接近的元素对应的风险等级作为电力零售市场的风险大小。
21.优选的，所述总目标因素集包括市场结构监测指标值、市场行为监测指标值、市场绩效监测指标值和市场风险监测指标值。
22.优选的，所述对所述评价结果进行反模糊化处理，得到所述评价结果的重心元素，包括：
23.通过重心法对所述评价结果形成的模糊向量进行反模糊化处理，得到述评价结果的重心元素。
24.一种监测电力零售市场风险的评估系统，包括：
25.获取单元，用于获取电力零售市场的总目标因素集，所述总目标因素集为影响电力零售市场风险的风险因素组成的集合；
26.第一计算单元，用于根据所述总目标因素集构建判断矩阵，并计算所述判断矩阵的权向量；
27.第二计算单元，用于根据专家对各个风险因素的重要程度打分的结果构建风险因素的评价矩阵；
28.合成单元，用于将所述评价矩阵与所述权向量进行模糊合成，得到所述总目标因素集的评价结果；
29.处理单元，用于对所述评价结果进行反模糊化处理，得到所述评价结果的重心元素，将所述重心元素作为总目标因素集的风险等级值；
30.判断单元，用于根据预设的评价标准和所述风险等级值进行判断分析，得到电力零售市场的风险大小。
31.一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的监测电力零售市场风险的评估方法。
32.一种计算机存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时，实现所述的监测电力零售市场风险的评估方法。
33.相比现有技术，本发明的有益效果在于：
三种不同性质售电公司在全市场中的占比。
50.售电公司连续交易时长：统计“1年以内”、“1-2年”、“2-3年”、“3 年以上”各连续交易时段售电公司的数量在全市场中的占比。
51.售电公司人员规模：统计“小于10名”、“10-19名”、“19-30名”、“大于30名”人员规模的售电公司在全市场中的占比。
52.售电公司注册资本：统计“2亿人民币以上”、“1亿至2亿人民币”、“2000 万至1亿人民币”、“2000万人民币以下”的售电公司数量在全市场中的占比。
53.市场活跃度：统计最近12个月，各月有交易的售电公司占全市场售电公司数量的比例。
54.市场集中度(cr3)：统计市场占有率最高的前三个售电公司在市场中的占有率。
55.市场亏损率：统计最近12个月亏损的售电公司在全市场中的占比。
56.(b)电力用户分析
57.针对电力用户从两个维度分析，包括：
58.各行业电力交易占比：统计各行业电力用户数在全市场电力用户数的占比。
59.用电性质分布：统计“央企”、“民企”、“其他”三种不同性质电力用户数量在全市场电力用户数的占比。
60.2、市场行为监测指标值
61.市场行为监测由两大部分构成，分为售电公司行为分析和电力用户行为分析。
62.(a)售电公司行为分析
63.针对售电公司从3个维度进行分析：
64.批发成本：以“天”为维度统计售电公司的“批发均价”、“偏差考核均价”、“总计”。
65.零售成本：以“天”为维度统计售电公司自己制定的电价套餐(100％可再生能源套餐、保底套餐、分成套餐、保底分成套餐、服务费套餐)的平均销售价格。
66.收益：以“天”为维度统计售电公司的收益，其中，收益＝零售成本
–
批发成本。
67.(b)电力用户行为分析
68.针对电力用户行为从3个维度进行分析：
69.电力套餐偏好：统计全市场所有电力用户选购的不同电价套餐数量在所有电价套餐数量中的占比。
70.售电公司切换率：以“年”为维度统计每年变更售电公司的电力用户数占全市场电力用户数的占比。
71.3、市场绩效监测指标值
72.市场绩效监测从2个维度监测：改革红利、用户红利分配，具体如下：
73.(a)改革红利：以“年”为维度统计每年因电改而带来的电价下降所释放的优惠红利。
74.(b)用户红利分配：以“年”为维度统计每年释放的红利中，分配到各个不同行业的电力用户数量占全市场总电力用户数的占比。
75.4、市场风险监测指标值
76.市场风险监测从三个维度对电力零售市场风险进行监测：“履约风险监测”、“批零倒挂监测”、“偏差考核监测”,具体如下：
77.(a)履约风险监测:以“月”为维度，按照风险比例从高到低的顺序统计存在履约风险的售电公司，形成每月排行榜。风险比例＝累计亏损金额/履约保函额度*100％；
78.(b)批零倒挂监测：以“月”为维度，按照批零价差从高到低的顺序统计存在批零倒挂行为的售电公司，形成每月排行榜。批零价差＝批发成本
–
零售成本。
79.(c)偏差考核监测：以“月”为维度，按照偏差考核金额从高到底的顺序统计存在偏差考核的售电公司和电力用户，形成每月排行榜。
80.步骤s2:根据所述总目标因素集构建判断矩阵，并计算所述判断矩阵的权向量；
81.在本实施例中，所述判断矩阵即为构造的风险比较矩阵。
82.在构造风险比较矩阵的时候，如果采用多个因素共同对比的方式进行，会发生比较标准难以确定、难以给出量化结果的情况，从而导致对比结果不够准确客观。因此，不能将所有因素都放在一起对比，而是每次只取两个因素进行比较，这样两两相互比较能降低重要程度对比的难度，提高重要程度的衡量精确度。
83.因此，在本实施例中，采用的是构建判断矩阵，表示本层所有因素与上一层各个因素的相对重要性的比较。
84.具体的，判断矩阵的元素bn由santy的1-9标度方法得出，如下表1：
85.表1：标度标准表
86.指标重要性比较及标度
[0087][0088]
需要说明的是，判断矩阵指的是任何系统分析都以一定的信息为基础，层次分析法(ahp)的信息基础主要是人们对每一层次各因素的相对重要性给出的判断，这些判断用数值表示出来，写成矩阵形式的结果。
[0089]
优选的，所述根据所述总目标因素集构建判断矩阵，包括：
[0090]
将所述总目标因素集中的每两个指标值进行比较，得到每两个指标值的比较结果；
[0091]
根据预设的标度标准确定所述每两个指标值的比较结果的标度值，根据所述标度值构建判断矩阵。
[0092]
假设a层元素ak与下一层元素b1,b2,b3,
…
,bn相比较，则构建的判断矩阵如下：
[0093]
[0094]
优选的，还包括：对所述判断矩阵进行一致性校验，得到一致性比例值；根据所述一致性比例值判断所述判断矩阵是否合理；若所述一致性比例值小于0.1，则表示判断矩阵具有很好的一致性，所述判断矩阵合理；若所述一致性比例值等于0.1，则表示判断矩阵具有较好的一致性，所述判断矩阵较合理；若所述一致性比例值大于0.1，则表示判断矩阵不符合一致性原则，需调整所述判断矩阵。
[0095]
在本实施例中，通过对所述判断矩阵进行一致性校验，可保证判断矩阵符合逻辑，即不会发生同一因素重要程度不同的矛盾情况，从而保证判断矩阵的客观性。
[0096]
优选的，所述对所述判断矩阵进行一致性校验，得到一致性比例值，包括：
[0097]
计算所述判断矩阵的一致性指标值，并获取预设的平均随机一致性指标值，所述一致性比例值为所述一致性指标值与所述平均随机一致性指标值的商值。
[0098]
其中，计算的矩阵一致性指标ci满足以下公式：
[0099][0100]
式中，n为判断矩阵的阶数，aωi为判断矩阵a与特征向量ω相乘所得矩阵的第i个元素，ωi为判断矩阵特征向量的第i个元素。
[0101]
其中，判断矩阵的平均随机一致性指标值可在实际计算时可根据矩阵的阶数直接查找如下表2的相应数值来使用。
[0102]
表2：平均随机一致性指标值表
[0103]
平均随机一致性指标ri值
[0104][0105]
则计算随机一致性比例cr满足以下公式
[0106][0107]
其中，判断矩阵随机一致性的判断标准如下表3：
[0108]
表3：判断矩阵随机一致性的判断标准表
[0109]
cr的判断标准
[0110][0111]
在计算出随机一致性比例后，按照上表3查找相应的判断结果，最终确定判断矩阵的质量，是否采用该矩阵，还是通过调整后再进行下一步计算。
[0112]
步骤s3:根据专家对各个风险因素的重要程度打分的结果构建风险因素的评价矩
阵；
[0113]
在具体实施时，可通过编写一份有关风险因素集的调查问卷，并通过发放问卷的方式让行业内专家对各个风险因素的重要程度进行打分，再利用专家打分的结果构建风险因素的评价矩阵区间。
[0114]
其中，第i个风险因素对第j个评价等级的隶属度满足以下公式：
[0115][0116]
式中，n为参与评价的总人数；为x
ij
在第k个评价等级上所得的票数。
[0117]
那么，专家打分的结果构建风险因素的评价矩阵的评价矩阵满足以下公式：
[0118][0119]
然后，各个层次风险因素集ui的评级结果bi满足以下公式：
[0120]bi
＝ωi·ri
＝(b
i1
,b
i2
,b
i3
,
…
,b
in
)
[0121]
则总目标因素集的单因素评判矩阵为：
[0122][0123]
步骤s4:将所述评价矩阵与所述权向量进行模糊合成，得到所述总目标因素集的评价结果；
[0124]
在本实施例中，将r与总目标因素集的权向量进行模糊合成，则对u的综合评价结果为：
[0125]
b＝ω
·
r＝(b1,b2,b3,
…
,bn)；
[0126]
步骤s5:对所述评价结果进行反模糊化处理，得到所述评价结果的重心元素，将所述重心元素作为总目标因素集的风险等级值；
[0127]
在本实施例中，虽然得出了被评价对象总目标因素集的综合评价结果，但是模糊综合评价法得出的结果是由各个因素隶属于各个评价等级的隶属度所构成的一组模糊向量，并不能直接用于评价分析，因此要确定被评价对象具体的风险等级还需对这个模糊评价向量进行反模糊化处理。
[0128]
具体的，本实施例采用重心法对模糊向量进行反模糊化处理。
[0129]
其中，重心法又被称之为矩阵法，计算过程是求取模糊向量中所有元素的重心元素，重心元素就是这个模糊向量反模糊化处理后的风险等级值v
′
。
[0130]
重心元素计算方法如下：
[0131]v′
＝b
·
(v1,v2,v3,
…
,vk)
t
；
[0132]
步骤s6:根据预设的评价标准和所述风险等级值进行判断分析，得到电力零售市
场的风险大小。
[0133]
优选的，所述根据预设的评价标准和所述风险等级值进行判断，得到电力零售市场的风险大小，包括：预先构建风险评价集，所述风险评价集v＝(5,4,3,2,1)，所述风险评价集中的元素5、4、3、2和1分别对应风险很高、风险较高、风险一般、风险较低和风险很低的风险等级；将所述风险等级值与所述风险评价集中的各元素进行大小对比，将与所述风险等级值最接近的元素对应的风险等级作为电力零售市场的风险大小。
[0134]
在本实施例中，风险评价集是由评价者对各种因素做出的评价等级和层次的集合。假设风险评价集中有k种评价，记为v＝{v1,v2,v3,
…
,vk}。
[0135]
在本实施例中，通过模糊综合评价精确值与风险评价集相对比，判断总目标因素集的风险大小，并进行具体分析，得到电力零售市场的风险大小。
[0136]
在上述实现过程中，通过模糊层次分析法综合考虑所有因素后，能够利用评价集得到最科学最佳的评价结果。
[0137]
需要说明的是，模糊综合评价法(f-ahp)以模糊数学为基础，与层次分析法相结合，将难以定义、边界不清、难以量can化评价的因素进行量化处理，从而进行综合评价的方法。数学模型简洁，可对含有模糊因素的对象系统进行综合评价，通过科学的手段，提供评价的准确性。
[0138]
下面以具体实施例对本发明的方法进行说明：
[0139]
本实施例通过构建基于f-ahp的电力零售风险评价模型，以此来判断电力零售业务所处的风险范畴，从而针对性地对其进行风险控制。
[0140]
(1)建立电力零售风险层次结构模型:
[0141]
根据以上多维度零售市场下的电力零售风险进行识别，可将风险因素集合为 u＝{u1,u2,u3,u4},其中u1为市场结构监测指标，u2为市场行为监测指标，u3为市场绩效监测指标，u4为市场风险监测指标。市场风险监测ui对应的二级指标元素集为：
[0142]
u1＝{u
11
,u
12
,u
13
,u
14
,u
15
,u
16
,u
17
,u
18
}＝(不同类型售电公司市场占比, 不同性质售电公司市场占比,不同连续交易时长的售电公司市场占比,不同人员规模的售电公司市场占比,不同注册资本售电公司市场占比,近12月有交易售电公司市场占比,市场占有率最高的前三个售电公司的占有率,近12个月亏损的售电公司在全市场中的占比)；
[0143]
u2＝{u
21
,u
22
}＝(批发成本,零售成本)
[0144]
u3＝{u
31
,u
32
}＝(改革红利,用户红利分配)
[0145]
u4＝{u
41
,u
42
,u
43
}＝(履约风险监测指标,批零倒挂监测指标,偏差考核监测指标)
[0146]
然后，构建风险评价集，在此将风险评价等级分为五类，即为“很高”、“较高”、“一般”、“较低”、“很低”，记为v＝(5,4,3,2,1)。
[0147]
(2)构造电力零售风险成对比较矩阵
[0148]
将每个二级风险指标元素进行两两比较，将重要性指标构造成对比矩阵，如下公式所示：
[0149]
市场结构监测指标满足：
[0150][0151]
市场行为监测指标：
[0152][0153]
市场绩效监测指标:
[0154][0155]
市场风险监测指标:
[0156][0157]
电力零售总体风险：
[0158][0159]
在本实施例中，进行两两比较的指标值采用具体市场结构监测指标值、市场行为监测指标值、市场绩效监测指标值和市场风险监测指标值的数据两两比较得到。
[0160]
根据以上成对比较矩阵，分别计算权向量并做一致性校验的结果表，如下表 4、表5、表6和表7；
[0161]
表4：市场结构监测指标的权向量及一致性检验表
[0162][0163]
表5：市场行为监测指标的权向量及一致性检验表
[0164][0165]
表6：市场绩效监测指标的权向量及一致性检验表
[0166][0167]
表7：市场风险监测指标的权向量及一致性检验表
[0168][0169]
从而，得到电力套餐零售总体风险权向量及一致性检验如下表8：
[0170]
表8：电力套餐零售总体风险权向量及一致性检验
[0171][0172]
从上表4-8可知，市场结构监测指标、市场行为监测指标、市场绩效监测指标、市场风险监测指标都通过了一致性校验,权向量如下：
[0173][0174][0175][0176][0177]
电力零售总体风险u通过了一致性校验,权向量如下：
[0178]
ωu＝(0.333,0.167,0.250,0.250)；
[0179]
(3)构建电力零售风险模糊评价矩阵
[0180]
根据以上电力零售风险因素的识别，制作了《影响电力零售业务的因素调查问卷》，再向电力行业业内人士发放1000份问卷后，将调查结果作为下一步计算的依据。
[0181]
根据评价结果，构建子因素评价矩阵如下：
[0182]
市场结构监测指标：
[0183][0184]
市场行为监测指标：
[0185][0186]
市场绩效监测指标:
[0187][0188]
市场风险监测指标:
[0189][0190]
各个层次因素集ui的评价结果bi满足如下公式：
[0191]
市场结构监测评价结果为：
[0192][0193]
市场行为监测评价结果为：
[0194][0195]
市场绩效监测评价结果为：
[0196][0197]
市场风险监测评价结果为：
[0198][0199]
其中，由b＝ω
·
r计算一级指标的模糊评价结果如下：
[0200][0201]
(4)电力零售风险评价结果及分析
[0202]
将以上得到的模糊评价向量进行反模糊化运算得到该向量的重心元素，即为电力零售风险水平评价值,电力零售风险水平评价值满足如下公式：
[0203]
电力零售风险水平:
[0204][0205]v′
表示电力套餐市场零售业务总调风险值，1《1.925《2,说明电力零售业务风险处于“很低”和“较低”之间并更接近“较低”，由此可见，电力零售业务尚处于安全状态，无风
险。
[0206]
实施例二：
[0207]
请参照图2所示，图2示出了本发明的一种监测电力零售市场风险的评估系统，包括：
[0208]
获取单元，用于获取电力零售市场的总目标因素集，所述总目标因素集为影响电力零售市场风险的风险因素组成的集合；
[0209]
第一计算单元，用于根据所述总目标因素集构建判断矩阵，并计算所述判断矩阵的权向量；
[0210]
第二计算单元，用于根据专家对各个风险因素的重要程度打分的结果构建风险因素的评价矩阵；
[0211]
合成单元，用于将所述评价矩阵与所述权向量进行模糊合成，得到所述总目标因素集的评价结果；
[0212]
处理单元，用于对所述评价结果进行反模糊化处理，得到所述评价结果的重心元素，将所述重心元素作为总目标因素集的风险等级值；
[0213]
判断单元，用于根据预设的评价标准和所述风险等级值进行判断分析，得到电力零售市场的风险大小。
[0214]
实施例三：
[0215]
图3为本技术实施例提供的一种电子设备的结构示意图，在本技术中可以通过图3所示的示意图来描述用于实现本技术实施例的本发明一种监测电力零售市场风险的评估方法的电子设备100。
[0216]
如图3所示的一种电子设备的结构示意图，电子设备100包括一个或多个处理器102、一个或多个存储装置104，这些组件通过总线系统和/或其它形式的连接机构(未示出)互连。应当注意，图3所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备可以具有图3示出的部分组件，也可以具有图3未示出的其他组件和结构。
[0217]
所述处理器102可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。
[0218]
所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本技术实施例中(由处理器实现)的功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。
[0219]
本发明还提供一种计算机存储介质，其上存储有计算机程序，本发明的方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在该计算机存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算
机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机存储介质不包括电载波信号和电信信号。
[0220]
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
技术特征：1.一种监测电力零售市场风险的评估方法，其特征在于，包括以下步骤：获取电力零售市场的总目标因素集，所述总目标因素集为影响电力零售市场风险的风险因素组成的集合；根据所述总目标因素集构建判断矩阵，并计算所述判断矩阵的权向量；根据专家对各个风险因素的重要程度打分的结果构建风险因素的评价矩阵；将所述评价矩阵与所述权向量进行模糊合成，得到所述总目标因素集的评价结果；对所述评价结果进行反模糊化处理，得到所述评价结果的重心元素，将所述重心元素作为总目标因素集的风险等级值；根据预设的评价标准和所述风险等级值进行判断分析，得到电力零售市场的风险大小。2.根据权利要求1所述的监测电力零售市场风险的评估方法，其特征在于，所述根据所述总目标因素集构建判断矩阵，包括：将所述总目标因素集中的每两个指标值进行比较，得到每两个指标值的比较结果；根据预设的标度标准确定所述每两个指标值的比较结果的标度值，根据所述标度值构建判断矩阵。3.根据权利要求2所述的监测电力零售市场风险的评估方法，其特征在于，还包括：对所述判断矩阵进行一致性校验，得到一致性比例值；根据所述一致性比例值判断所述判断矩阵是否合理；若所述一致性比例值小于0.1，则表示判断矩阵具有很好的一致性，所述判断矩阵合理；若所述一致性比例值等于0.1，则表示判断矩阵具有较好的一致性，所述判断矩阵较合理；若所述一致性比例值大于0.1，则表示判断矩阵不符合一致性原则，需调整所述判断矩阵。4.根据权利要求3所述的监测电力零售市场风险的评估方法，其特征在于，所述对所述判断矩阵进行一致性校验，得到一致性比例值，包括：计算所述判断矩阵的一致性指标值，并获取预设的平均随机一致性指标值，所述一致性比例值为所述一致性指标值与所述平均随机一致性指标值的商值。5.根据权利要求1所述的监测电力零售市场风险的评估方法，其特征在于，所述根据预设的评价标准和所述风险等级值进行判断，得到电力零售市场的风险大小，包括：预先构建风险评价集，所述风险评价集v＝(54，3，2，1)，所述风险评价集中的元素5、4、3、2和1分别对应风险很高、风险较高、风险一般、风险较低和风险很低的风险等级；将所述风险等级值与所述风险评价集中的各元素进行大小对比，将与所述风险等级值最接近的元素对应的风险等级作为电力零售市场的风险大小。6.根据权利要求1所述的监测电力零售市场风险的评估方法，其特征在于，所述总目标因素集包括市场结构监测指标值、市场行为监测指标值、市场绩效监测指标值和市场风险监测指标值。7.根据权利要求1所述的监测电力零售市场风险的评估方法，其特征在于，所述对所述评价结果进行反模糊化处理，得到所述评价结果的重心元素，包括：通过重心法对所述评价结果形成的模糊向量进行反模糊化处理，得到述评价结果的重心元素。8.一种监测电力零售市场风险的评估系统，其特征在于，包括：
获取单元，用于获取电力零售市场的总目标因素集，所述总目标因素集为影响电力零售市场风险的风险因素组成的集合；第一计算单元，用于根据所述总目标因素集构建判断矩阵，并计算所述判断矩阵的权向量；第二计算单元，用于根据专家对各个风险因素的重要程度打分的结果构建风险因素的评价矩阵；合成单元，用于将所述评价矩阵与所述权向量进行模糊合成，得到所述总目标因素集的评价结果；处理单元，用于对所述评价结果进行反模糊化处理，得到所述评价结果的重心元素，将所述重心元素作为总目标因素集的风险等级值；判断单元，用于根据预设的评价标准和所述风险等级值进行判断分析，得到电力零售市场的风险大小。9.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一项所述的监测电力零售市场风险的评估方法。10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时，实现权利要求1-7任一项所述的监测电力零售市场风险的评估方法。
技术总结本发明公开了一种监测电力零售市场风险的评估方法及系统，所述方法包括：获取电力零售市场的总目标因素集，根据所述总目标因素集构建判断矩阵，并计算所述判断矩阵的权向量；根据专家对各个风险因素的重要程度打分的结果构建风险因素的评价矩阵；将所述评价矩阵与所述权向量进行模糊合成，得到所述总目标因素集的评价结果；对所述评价结果进行反模糊化处理，得到所述评价结果的重心元素，将所述重心元素作为总目标因素集的风险等级值；根据预设的评价标准和所述风险等级值进行判断分析，得到电力零售市场的风险大小。本发明能实时的监测到电力零售市场风险，无论是在电力交易前，还是在电力交易中，都能快速的监测到电力零售市场风险。市场风险。市场风险。
技术研发人员：胡文进 杜龙 罗文海 粱涛
受保护的技术使用者：广州电力交易中心有限责任公司
技术研发日：2022.05.27
技术公布日：2022/11/1
