专业术语统计报告_碳成本传导机制下电力交易主体博弈模型研究

一、概要简析

【概要分析】
本文档《碳成本传导机制下电力交易主体博弈模型研究》超用心地围绕研究主题展开了系统性探讨哦😜！文档总字符数足足有214881，其中中文字符80347个，英文字词15907个，妥妥体现了中英文混搭的学术写作小特色～从文档里扒出来的专业术语一共有1796个，涉及6个研究领域，主打就是扎堆在博弈理论(1509次)、电力市场(1505次)、新能源消纳(1504次)这块儿～高频术语比如“用户”（出镜586次）、“电力”（露脸530次）等，一眼就能看出研究的核心小焦点✨！整体来说，这篇文献在相关研究领域超有学术价值，一顿系统分析+论述操作下来，给后续研究铺好了超重要的理论小地基和方法小参考～

【数据统计】

• 总字符数：214881
• 中文字符数：80347
• 英文字词数：15907

二、统计图表分析

2.1 三类术语层次分布

【数据统计】

• 论文名称术语：3个 (核心术语：碳成本传导机制、博弈模型、电力交易主体)
• 标题摘要术语：564个 (核心术语：碳排放、发电企业、碳成本)
• 正文术语：1229个 (核心术语：用户、电力、博弈)
• 术语总数：1796个
• 频次占比：论文名称 1.4% | 标题摘要 31.2% | 正文 67.4%

【可视化图表】

类别	术语数量	频次	占比
论文名称	3	192	1.4%
标题摘要	564	4428	31.2%
正文	1229	9569	67.4%
总计	1796	14189	100%

【图表评论】
旭日图超直观地展示了三类术语在文档不同部分的层次分布啦🌞！从内到外依次是论文名称术语、标题摘要术语和正文术语～论文名称层级藏着3个核心术语，总频次192次，占比1.4%，核心术语有“碳成本传导机制、博弈模型、电力交易主体”，这些小家伙直接概括了研究的核心主题哟～标题摘要层级有564个术语，总频次4428次，占比31.2%，核心术语像“碳排放、发电企业、碳成本”，悄悄透露了研究的次要关键词和方法论～正文层级最最丰富啦，有1229个术语，总频次9569次，占比67.4%，核心术语比如“用户、电力、博弈”，把研究的具体技术细节和实验方法都扒得明明白白～从内到外一层层细化，论文名称术语锁定研究主题，标题摘要术语拓宽研究范围，正文术语钻进具体技术实现，搭出超完整的术语层次小体系，把文档的知识结构揭露得清清楚楚～

---

2.2 研究领域分布

【领域分析】

• 主要领域：博弈理论(1509次)、电力市场(1505次)、新能源消纳(1504次)

【可视化图表】

研究领域	术语出现次数
电力市场	1505
博弈理论	1509
演化博弈	1493
新能源消纳	1504
需求响应	1493
碳排放流理论	1476
总计	8980

【图表评论】
雷达图咻咻地展示了专业术语在六个研究领域的分布情况🎯，一眼就能看出文档的学科交叉小特性～从图里能瞅见，术语分布有这些小可爱特点：博弈理论 出场次数最多，足足1509次，妥妥是研究的核心小基础～电力市场 和 新能源消纳 的频次分别是1505次和1504次，组成了研究的次要支撑小领域～而 碳排放流理论 频次少丢丢，只有1476次，说明这个领域在本研究里露脸不多啦～各领域术语分布虽有小差异，但整体超均衡，标准差是11.0，妥妥反映了研究的多学科交叉融合小特点～这种分布格局说明，本研究不仅在核心领域挖得深，还广泛吸收了相关学科的理论和方法，搭出超完整的研究小体系～

---

2.3 专业术语分布

【集中度分析】

• 前5术语累计频次：2342次
• 前5术语累计占比：23.2%
• 前10术语累计占比：34.3%

【可视化图表】

排名	术语	频次
1	用户	586
2	电力	530
3	博弈	493
4	碳排放	390
5	售电商	343
6	策略	301
7	发电企业	267
8	收益	218
9	碳成本	196
10	电力市场	132
11	新能源	122
12	电力系统	101
13	现货市场	99
14	碳交易	96
15	碳成本传导机制	94
前15累计		3968

【图表评论】
环形图和柱状图超清晰展示了高频术语的分布情况和集中度啦🥳！从图里能看到，前5个高频术语累计频次飙到2342次，占总频次的23.2%，集中度超高有没有～前10个高频术语累计占比也达到了34.3%，更能证明研究主题超聚焦～排名第一的术语“用户”出场586次，是研究的核心小概念～排名第二的术语“电力”出现530次，排名第三的术语“博弈”出场493次，这仨搭成了研究的核心术语小体系～从排名第5开始，术语频次唰唰下降，呈现出长尾分布的小特征，说明研究围着少数核心概念展开，其他术语都是给核心概念打辅助、做细化的～这种分布模式超符合学术文献的一般规律，既体现了研究的深度，又有满满的广度～

---

2.4 术语共现网络

【共现分析】

• 核心节点：碳成本
• 最强关联对：电力市场 - 电力 (191次)
• 主要聚类：以图像增强、注意力机制等为核心的术语聚类
• 共现关系总数：17对

【可视化图表】

术语A	术语B	共现次数
电力	碳排放	177
售电商	用户	114
碳成本	碳成本传导机制	101
博弈	电力	72
收益	策略	65
发电企业	电力	64
博弈	碳成本	33
发电企业	碳成本	33
售电商	新能源	32
博弈	碳成本传导机制	23

【图表评论】
术语共现网络图超有趣地展示了高频术语之间的关联关系🔗，把文档的知识结构扒得明明白白～网络里有10个节点和17条边，搭成了以“碳成本”为中心的术语小聚类～最强关联对是“电力市场”和“电力”，共现次数高达191次，说明这俩概念在研究里关系超铁～从网络结构看，主要形成了3个聚类：聚类一以“电力”为核心，包含“碳排放”、“发电企业”等术语，对应以电力为核心的相关研究方面的研究；聚类二以“碳成本”为核心，有“其他”、“其他”等术语，是以碳成本为核心的相关研究方面的内容；聚类三则盯着“博弈”相关的研究方向～各聚类之间靠“发电企业”等术语牵线搭桥，搭出完整的知识小网络～这个网络结构把研究的核心主题和它们的关系展示得清清楚楚，帮我们超轻松理解文档的整体框架和知识体系～

---

2.5 核心概念词云

【词云数据统计】

• 词云术语总数：20个
• 加权总频次：578.8次

【可视化图表】

排名	术语	加权频次
1	博弈模型	88.0
2	用户	58.6
3	电力	53.0
4	博弈	49.3
5	碳市场	40.5
6	碳排放	39.0
7	售电商	34.3
8	策略	30.1
9	发电企业	26.7
10	负荷侧	26.0

【图表评论】
词云图用加权频次超直观地亮出了文档的核心概念体系☁️！图里有20个术语，加权总频次达到578.8次～排名前五的术语分别是“博弈模型”（88次）、“用户”（58.6次）、“电力”（53.0次）、“博弈”（49.3次）和“碳市场”（40.5次）～这些术语字号最大、位置最显眼，妥妥是研究的核心概念小团体～从词云整体分布看，术语按重要程度从大到小、从中心向四周排排坐，形成超有层次感的视觉小结构～排名靠前的术语反映了研究的核心主题和方法，中等排名的术语体现了研究的具体内容和小细节，排名靠后的术语则展示了研究的边缘小话题或未来小方向～词云图不仅总结了全文的关键概念，还帮读者超快抓住研究要点，是理解文档内容的超实用小帮手～

---

2.6 英文缩写分布

【缩写统计】

• 缩写总数：30个
• 缩写总频次：450次
• 高频缩写 Top 5：
  1. LA：68次
  2. LP：38次
  3. MP：35次
  4. DR：30次
  5. SP：24次
• 前5缩写累计占比：43.3%

【可视化图表】

排名	缩写	频次
1	LA	68
2	LP	38
3	MP	35
4	DR	30
5	SP	24
6	EB	22
7	OL	22
8	ENERGY	20
9	ESS	18
10	MW	16
前10累计		293

【图表评论】
环形图展示了英文缩写在文档里的分布情况啦🔤！文档里一共出现30个不同的英文缩写，总频次有450次～排名前五的缩写分别是“LA”（68次）、“LP”（38次）、“MP”（35次）、“DR”（30次）和“SP”（24次），前5个缩写累计占比达到43.3%，集中度超高一捏捏～从缩写类型看，主要有期刊名称缩写（比如“LA”）、作者姓名缩写（比如“LP”）、技术术语缩写（比如“MP”）和评价指标缩写（比如“DR”）等～这些缩写高频出镜，说明文档引用了超多该领域的经典文献，用了通用的技术术语和评价标准，超能体现研究的规范性和专业性～缩写的分布特征也帮读者了解该领域的学术交流小习惯哟～

---

三、原文章节举例

3.3.3 演化博弈稳定性证明

根据ESS稳定性判定条件可知，均衡点稳定的充分条件是各点的 $J$ 特征值均小于0，该系统均衡点I～V的分布如图3-7所示。当平衡点为稳定点时，各方主体在该点形成稳定策略组合，演化博弈达到稳定状态。依据演化稳定的充要条件可知各奇点的渐进稳定性条件及共存关系如表3-3所示。

图3-7三方演化博弈奇点示意图

Fig. 3-7 Tripartite EG singularity diagram

表 3-3 三方演化博弈奇点稳定条件及共存关系

Table 3-3 Stability conditions and coexistence relations of singularities in tripartite EG

编号	CESS	稳定性条件	, 共存关系
I	(0,0,0)	d1-h1,f2-h2,g3-h3	与II、III、IV不共存
II	(1,0,0)	h1-d1,b2-d2,c3-d3	与I、VI不共存
III	(0,1,0)	b1-f1,h2-f2,e3-f3	与I、V、VI不共存
IV	(0,0,1)	c1-g1,e2-g2,h3-g3	与I、V、VII不共存
V	(1,0,1)	g1-c1,a2-c2,d3-c3	与II、III、VIII不共存
VI	(1,1,0)	f1-b1,d2-b2,a3-b3	与II、IV、VIII不共存
VII	(0,1,1)	a1-e1,g2-e2,f3-e3	与IV、VIII不共存
VIII	(1,1,1)	e1-a1,c2-a2,b3-a3	与V、VI、VII不共存

② 若 $\{\begin{array}{l}{\xi }_{LP}(y,z)=0\\ {\xi }_{MP}(x,z)=0\\ {\xi }_{SP}(x,y)=0\end{array}$ ，假设方程组有解为 $(x_0,y_0,z_0)$ ，且取值均属于[0,1]，则有

${\xi }_{LP}(y_0,z_0)=0$ ${\xi }_{MP}(x_0,z_0)=0$ ，将该组关系式代入式(3-14)，可得到此时的Jacobi矩阵 $J$ 为： ${\xi }_{SP}(x_0,{\mathbf{y}}_0)=0$

$$J=\left[\begin{array}{ccc}0& x(1-x)\frac{{\xi }_{LP}(y,z)}{\partial y}& x(1-x)\frac{{\xi }_{LP}(y,z)}{\partial z}\\ y(1-y)\frac{{\xi }_{LP}(x,z)}{\partial x}& 0& y(1-y)\frac{{\xi }_{MP}(x,z)}{\partial z}\\ z(1-z)\frac{{\xi }_{SP}(x,y)}{\partial x}& z(1-z)\frac{{\xi }_{SP}(x,y)}{\partial y}& 0\end{array}\right]\text{\hspace{1em}(3-15)}$$

由公式(3-15)可知，矩阵 $J$ 的对角线元素均为0，可推断出 $J$ 存在至少一个实

部非负的特征值，故演化系统在平衡点 $(x_0,y_0,z_0)$ 未满足渐进稳定条件。

③若 $\{\begin{array}{l}{\xi }_{LP}(y,z)=0\\ y(1-y)=0\\ z(1-z)=0\end{array}$ ，假设方程组有解为 $(x_1,y_1,z_1)$ ，且取值均属于[0,1]，则有： $\{\begin{array}{l}{\xi }_{LP}(y_1,z_1)=0\\ y_1(1-y_1)=0\\ z_1(1-z_1)=0\end{array}$ ，将该组关系式代入式(3-14)，可得到此时的Jacobi矩阵 $J$ 为：

$$J=\left[\begin{array}{ccc}0& x(1-x)\frac{{\xi }_{LP}(y,z)}{\partial y}& x(1-x)\frac{{\xi }_{LP}(y,z)}{\partial z}\\ 0& (1-2y){\xi }_{MP}(x,z)& 0\\ 0& 0& (1-2z){\xi }_{SP}(x,y)\end{array}\right]\text{\hspace{1em}(3-16)}$$

由式(3-16)可知，矩阵 $J$ 的特征值存在为零的根，故演化系统在平衡点 $(x_1,y_1,z_1)$ 未满足渐进稳定条件。同理，当 $\{\begin{array}{l}x(1-x)=0\\ {\xi }_{MP}(x,z)=0\\ z(1-z)=0\end{array}$ 或 $\{\begin{array}{l}x(1-x)=0\\ y(1-y)=0\\ {\xi }_{SP}(x,y)=0\end{array}$ 时，系统仍不存在稳定状态。

④若 $\{\begin{array}{l}{\xi }_{LP}(y,z)=0\\ {\xi }_{MP}(x,z)=0\\ z(1-z)=0\end{array}$ ，假设方程组有解为 $(x_2,y_2,z_2)$ ，且取值均属于[0,1]，则有： $\{\begin{array}{l}{\xi }_{LP}(y_2,z_2)=0\\ {\xi }_{MP}(x_2,z_2)=0\\ z_2(1-z_2)=0\end{array}$ ，同理，将该组关系式代入式(3-14)，可得到此时的Jacobi矩阵 $J$ 为：

$$J=\left[\begin{array}{ccc}0& x(1-x)\frac{{\xi }_{LP}(y,z)}{\partial y}& x(1-x)\frac{{\xi }_{LP}(y,z)}{\partial z}\\ y(1-y)\frac{{\xi }_{MP}(x,z)}{\partial x}& 0& y(1-y)\frac{{\xi }_{MP}(x,z)}{\partial z}\\ 0& 0& (1-2z){\xi }_{SP}(x,y)\end{array}\right]\text{\hspace{1em}(3-17)}$$

参考公式(3-15)、(3-16)，求解公式(3-17)得到矩阵 $J$ 的特征值 ${\lambda }_{1,2}=\sqrt{\left[x_2(1-x_2)\frac{{\xi }_{LP}(y_2,z_2)}{\partial y}\right]\times \left[y_2(1-y_2)\frac{{\xi }_{MP}(x_2,z_2)}{\partial x}\right]}$ ， ${\lambda }_3=(1-2z_2){\xi }_{SP}(x_2,y_2)$ 。由稳定性判定条件可知，演化系统在均衡点 $(x_2,y_2,z_2)$ 无法满足渐进稳定条件。同理，

当 $\{\begin{array}{l}{\xi }_{LP}(y,z)=0\\ y(1-y)=0\end{array}$ 或 ${\xi }_{MP}(x,z)=0$ 时，系统仍不存在稳定状态。

综上所示，当不考虑同类竞争时，发电企业三群体竞价演化博弈的仅存在 ${\mathbb{C}}_{\text{ESS}}=\{(0,0,0),(1,0,0),(0,1,0),(0,0,1),(0,1,1),(1,0,1),(1,1,0),(1,1,1)\}$ 共8个可能满足渐进稳定的平衡点，演化均衡的最终稳定策略组合由各发电企业的初始状态决定。由此可知，基于有限理性的演化博弈，能够动态地分析所有参与者之间的博弈过程，不仅能够得到发电企业竞价的市场均衡，也可以描绘各参与主体实现均衡的演化过程。

由公式(3-12)可知，演化博弈的复制动态方程一般为随机微分方程，解析解难以精确求得。以一阶微分方程 $\frac{dy}{dx}=\frac{F(x,y)}{H(x,y)}$ 为例，其解析解可对应为二维方程 $\frac{dx}{dt}=F(x,y)$ 、 $\frac{dy}{dt}=H(x,y)$ 的二维平面轨迹。

若 $F(x,y)$ 、 $H(x,y)$ 均在平面 $(x,y)$ 的区域 $\mathbf{R}$ 内连续且可导，则平面 $(x,y)$ 为方程组的相位平面。给定 $t_0$ 及数值 $(x_0,y_0)$ ，满足 $x(t_0)=x_0$ 、 $y(t_0)=y_0$ ，则 $x=x(t)$ 、 $y=y(t)$ 刻画相位平面的曲线即为方程组解的轨道。当该轨道经过 $\mathbf{R}$ 中的数值点，满足 $F(x_0,y_0)=G(x_0,y_0)=0$ ，则 $(x_0,y_0)$ 称为方程组的临界点。因此，相位图在刻画轨道方向的同时也体现了方程组解的性质。本章将在3.4节使用MATLAB工具绘制相位图，以直观验证演化均衡点的稳定性。

综上所述，发电企业EG模型的构建及求解流程可归纳如图3-8所示。

发电企业演化博弈模型构建及求解

图3-8发电企业演化博弈模型的构建及求解流程

Fig. 3-8 Construction and solving process of EG of power generation

---

四、原文章节举例

4.2.2 基于凝聚层次改进 k-means 的光伏功率场景聚类

考虑到光伏发电范围广、装机容量高，本文选取分布式光伏代表新能源发电设施，分析其对售电商市场行为的影响。学术研究通常将太阳光照近似为Beta分布[148]，其概率密度函数为：

$$f(r)=\frac{\Gamma (\alpha +\beta )}{\Gamma (\alpha )\Gamma (\beta )}{\left(\frac{r}{r_{\max }}\right)}^{\alpha -1}{\left(1-\frac{r}{r_{\max }}\right)}^{\beta -1}\text{\hspace{1em}(4-1)}$$

式中， $r$ 、 $r_{\max }$ 分别为当前光照强度、时间段内最大光照强度； $\alpha$ 、 $\beta$ 分别为Beta分布形状参数，取值公式为：

$$\alpha =\epsilon \left[\frac{\epsilon (1-\epsilon )}{{\sigma }^2}-1\right]\text{\hspace{1em}(4-2)}$$

$$\beta =(1-\epsilon )\left[\frac{\epsilon (1-\epsilon )}{{\sigma }^2}-1\right]\text{\hspace{1em}(4-3)}$$

式中， $\epsilon$ 、 $\sigma$ 分别为光照强度的均值与标准差。

如1.2.3节所述，场景缩减技术是处理分布式光伏输出功率不确定性的主要措施。考虑到k-means等划分聚类算法随机选取初始聚类中心会使得聚类结果产生较大差异，增大聚类结果的不确定性，陷入局部最优解。而凝聚层次聚类[149]（Agglomerative Hierarchical Clustering, AHC）采用自上而下的方法，将每个数据作为一个簇，按照聚类条件，合并形成簇或聚类个数，与k-means等划分聚类算法相比，AHC可通过预定的相似性判断计算元素之间的相似性，利用层次聚类生成初始聚类中心，则聚类过程不需要计算曲线上所有数值点到聚类中心的欧氏距离，大幅降低了迭代次数，可有效缩短聚类时间。使用AHC改进k-means聚类算法流程如图4-2所示：

(1) 输入调度周期内光伏输出功率的原始数据。

(2) 使用AHC对数据集初始聚类，生成聚类数为K。

③计算K个类簇内部数据的均值，得到K个初始聚类中心。

④ 分别计算曲线数据与 K 个聚类中心之间的欧氏距离，并按距离最小的原则将数据划分到距离最小的类簇。

⑤当每轮聚类划分完成，重新计算各类簇的聚类中心。

⑥重复④、⑤步骤，当聚类中心不再变化时停止循环，输出聚类结果。

⑦采用Davies-Bouldin指标（DBI）计算评价聚类结果的适应性[150]。

图4-2AHC改进k-means聚类算法流程

Fig. 4-2 AHC improves the k-means clustering algorithm flow

---

五、总结

本报告超认真地对《碳成本传导机制下电力交易主体博弈模型研究》做了系统的专业术语统计与分析啦📝！文档总字符数214881，中文字符80347个，英文字词15907个，一共扒出专业术语1796个～高频术语“用户”（586次）、“电力”（530次）等搭成了研究的核心概念小体系～

文档涉及6个研究领域，主要扎堆在博弈理论(1509次)、电力市场(1505次)、新能源消纳(1504次)，超有多学科交叉的研究小特点～术语共现网络有10个节点和17条边，最强关联对“电力市场”与“电力”共现191次，搭成了以“碳成本”为中心的术语小聚类～

英文缩写一共出现30个，总频次450次，前五缩写“LA”（68次）等累计占比43.3%，反映了文档引用的经典文献和技术标准～

总的来说，本报告通过多维度术语统计，把文档的知识结构和研究焦点扒得明明白白，超全面的哟～

---

六、原文部分参考文献

[1] IEA 国际能源署．《2022年二氧化碳排放报告》.https://iea.blob.core.windows.net/assets/71b328b3-3e5b-4c04-8a22-3ead575b3a9a/Italy_2023_EnergyPolicyReview.pdf[EB/OL].
[2] Zhang C, Zhao Z, Wang Q, et al. Title: Holistic governance strategy to reduce carbon intensity[J]. TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE, 2022,179(121600).
[3] Gao P, Yue S, Chen H. Carbon emission efficiency of China’s industry sectors: From the perspective of embodied carbon emissions[J]. Journal of cleaner production, 2021,283:124655.
https://www.ndrc.gov.cn/fggz/tzgg/ggkx/201504/t20150409_1077736.html.
[5] Chang X, Wu Z, Wang J, et al. The coupling effect of carbon emission trading and tradable green certificates under electricity marketization in China[J]. RENEWABLE & SUSTAINABLE ENERGY REVIEWS, 2023,187(113750).
[6] Zhang J, Han W. Carbon emission trading and equity markets in China: How liquidity is impacting carbon returns?[J]. Economic Research-Ekonomska Istraživanja, 2022,35(1):6466-6478.
[7] V. Neumann J. Zur Theorie der Gesellschaftsspiele[J]. Mathematische Annalen, 1928,100(1):295-320.
[8] Von Neumann J, Morgenstern O. Theory of games and economic behavior (60th Anniversary Commemorative Edition)[M]. Princeton university press, 2007.
[9] Nash J. Non-cooperative games[J]. Annals of mathematics, 1951:286-295.
[10] Smith J M, Price G R. The logic of animal conflict[J]. Nature, 1973,246(5427):15-18.
[11] Nowak M A, Sasaki A, Taylor C, et al. Emergence of cooperation and evolutionary stability in finite populations[J]. Nature, 2004, 428(6983):646-650.
[12] 于慧.有限群体演化博弈理论研究[D].华北电力大学,2015.
[13] Gu C, Wang X, Zhao J, et al. Evolutionary game dynamics of Moran process with fuzzy payoffs and its application[J]. Applied Mathematics and Computation, 2020,378:125227.
[14] Imhof L A, Nowak M A. Evolutionary game dynamics in a Wright-Fisher process[J]. Journal of mathematical biology, 2006,52:667-681.
[15] May R M, Nowak M A. Superinfection, metapopulation dynamics, and the evolution of diversity[J]. Journal of Theoretical Biology, 1994,170(1):95-114.