一种综合能源市场的物资处理方法及相关装置与流程
本申请涉及物资处理技术领域，特别涉及一种综合能源市场的物资处理方法、装置、电子设备及计算机可读存储介质。
背景技术：
在能源等物资市场中，物资服务商在大宗物资售卖市场进行大宗购买，并向其所服务用户售出零散的物资来获取利润。但受众多不可控因素的影响，用户每日所需的物资数量并不是固定不变的，难以得到准确的物资需求数量。
一些物资服务商也并非是纯粹的进行物资的倒卖，其自身往往也具有一定的物资产出能力。以能源服务商为例，一些能源服务商本身建设有一些发电机组，例如火力发电、水利发电或光伏发电机组等，其本身具有的电力产出能力可以使其在能源售卖市场采购所需能源时降低部分成本。
以能源服务商为例，假定其具有一定的光伏发电能力，但由于光伏发电能力受外界光照强度的影响，使得该能源服务商每天的光伏发电的发电量不可控。同时，受不可控的用户主观意识的影响，该能源服务商所服务用户每日所需的电力数量也是不可控。因此如何在存在诸多不可控因素的情况下，尽可能的制定合理的采购计划，是能源服务商十分关心的。
现有技术中，包括能源服务商在内的物资服务商往往基于各影响因素的方式制定了可计算得到了物资产出数量和物资需求数量的计算公式。针对公式中包含的不可控因素，现有技术往往直接基于历史数据计算得到一个固定的值或直接采用历史同期数据，使得按照此方式制定的采购计划往往会与实际情况具有较大的偏差，造成经济损失。
因此，如何尽可能的克服现有技术缺陷，提供一种与实际情况尽可能贴近的方案，是本领域技术人员亟待解决的问题。
技术实现要素：
本申请的目的是提供一种综合能源市场的物资处理方法、装置、电子设备及计算机可读存储介质，旨在尽可能的避免因现有技术直接以固定值或历史同期值作为不可控因素的取值，造成基于此得到的计算结果与实际情况存在差异较大并造成经济损失的问题。
为实现上述目的，本申请提供一种综合能源市场的物资处理方法，应用于综合能源服务商，该物资处理方法包括：
计算得到自身次日的物资产出数量；其中，自身产出的物资分为数量可控物资和数量不可控物资，所述数量不可控物资的物资产出数量是将不可控因素以随机变量的方式计算得到的；
计算得到用户次日的物资需求数量；其中，所述物资需求数量是不可控的，所述物资需求数量是将不可控因素以随机变量的方式计算得到的；
根据次日的物资需求数量和物资产出数量计算得到在日前市场中物资的采购数量；
根据次日当天的物资实际需求数量与所述物资需求数量间的差异，在现货市场采购缺少的部分物资和售出多余的部分物资。
可选的，当物资包括电力和天然气时，所述不可控因素包括光伏发电机组在次日的电力产出数量、用户次日所需的电力数量和天然气数量。
可选的，所述随机变量具体为服从正态分布的随机变量。
可选的，该物资处理方法还包括：
利用预测模型修正所述随机变量的数值大小；其中，所述预测模型是基于历史同期的真实数值结合不同时期的变化趋势构建得到的。
为实现上述目的，本申请还提供了一种综合能源市场的物资处理装置，应用于综合能源服务商，该物资处理装置包括：
物产产出数量计算单元，用于计算得到自身次日的物资产出数量；其中，自身产出的物资分为数量可控物资和数量不可控物资，所述数量不可控物资的物资产出数量是将不可控因素以随机变量的方式计算得到的；
物资需求数量计算单元，用于计算得到用户次日的物资需求数量；其中，所述物资需求数量是不可控的，所述物资需求数量是将不可控因素以随机变量的方式计算得到的；
日前市场采购数量计算单元，用于根据次日的物资需求数量和物资产出数量计算得到在日前市场中物资的采购数量；
现货市场差异处理单元，用于根据次日当天的物资实际需求数量与所述物资需求数量间的差异，在现货市场采购缺少的部分物资和售出多余的部分物资。
可选的，该物资处理装置还包括：
随机变量数值修正单元，用于利用预测模型修正所述随机变量的数值大小；其中，所述预测模型是基于历史同期的真实数值结合不同时期的变化趋势构建得到的。
为实现上述目的，本申请还提供了一种电子设备，该电子设备包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述内容所描述的应用于综合能源服务商的综合能源市场的物资处理方法。
为实现上述目的，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述内容所描述的应用于综合能源服务商的综合能源市场的物资处理方法。
根据本申请所提供的应用于综合能源服务商的综合能源市场的物资处理方法可以看出，相比于现有技术，本申请将不可控因素的取值以随机变量的方式计算得到，使得基于此计算得到的物资产出数量和物资需求数量更加贴近于不可预知的实际数量。虽然这些不可控因素的取值的变化实际上存在一定的规律，但由于过于复杂的实际情况导致该规律过于隐晦，很难将其具象化，往往在长时间历史数据的基础上进行多方面的归纳可能才能得到在变化趋势不变的情况下的取值。但由于变化趋势并不会一成不变，因此这些可控因素的取值更适合直接同样不可预知的随机数来替代，以充分体现其不可预知的特性。应用本方案可以在一定程度上使得计算结果与实际结果更接近，进而降低经济损失。
本申请同时还提供了一种应用于综合能源服务商的综合能源市场的物资处理装置、电子设备及计算机可读存储介质，具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种综合能源市场的物资处理方法的流程图；
图2为本申请实施例提供的一种综合能源市场的物资处理装置的结构框图。
具体实施方式
本申请的目的是提供一种综合能源市场的物资处理方法、装置、电子设备及计算机可读存储介质，应用于综合能源服务商，旨在尽可能的避免因现有技术直接以固定值或历史同期值作为不可控因素的取值，造成基于此得到的计算结果与实际情况存在差异较大并造成经济损失的问题。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
实施例一
请参见图1，图1为本申请实施例提供的一种综合能源市场的物资处理方法的流程图，其包括以下步骤，需要说明的是，以下各步骤的执行主体均为综合能源服务商：
s101：计算得到自身次日的物资产出数量；
其中，自身产出的物资分为数量可控物资和数量不可控物资，数量不可控物资的物资产出数量是将不可控因素以随机变量的方式计算得到的。
该能源服务商依据自身拥有的发电设备可自行产出部分电力，假定其中包含火力发电机组和光伏发电机组，则其中火力发电机组的次日发电量就是数量可控物资(基本不受外界影响)，光伏发电机组的次日发电量就是数量不可控物资。这是因为光伏发电与次日的天气、光照强度、是否有意外的遮挡物等各种不可控因素之间存在较大的关系。
进一步的，随着上述这些不可控因素基本不可提前预知，但有一些还是可以在一定程度上提前获知，例如天气，针对可以预知的部分影响因素的参数可直接使用预测出的值，或者采用预测出的值来修正差生的随机变量，使得基于修正后的随机变量计算得到的与次日当天的实际产出数量更接近。
s102：计算得到用户次日的物资需求数量；
其中，物资需求数量是不可控的，物资需求数量是将不可控因素以随机变量的方式计算得到的。
假定该能源服务商同时为其用户提供电力和天然气两种能源，则由于人这一易受各方面影响的因素的存在，使得次日电力和天然气需求也无法预知。其中涉及的因素过多，例如当地或相关机构发布的一些市场政策、促销售卖、暂离等等，都会使得用户次日的物资需求数量不可预知。在这个例子中，用户次日对电力数量的需求和天然气数量的需求都属于不可控因素，因此本申请也是将其以随机变量的方式参与进物资需求数量的计算过程。
需要说明的是，生成随机变量的方式或算法有很多，考虑到数值的绝对随机还可能会带来相较于现有技术更坏的结果，因此还可以选择合适本申请应用场景的随机变量选取方式，经过多次试验，其中一种比较合适的方式为选取服从正态分布的随机变量，也就说随机变量是服从正态分布的。
正态分布的曲线呈钟型：两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。正态分布是基于统计学和概率学得到一个对预估参数取值范围的很好的方式，此处之所以进一步限定选用的随机变量是服从正态分布的，也是因为在上述多种不可控因素中，发生相较之前或历史同期取值的概率随着涉及因素数量的增多而逐渐下降，因此可以基于概率学计算得到较为合适的取值，并以此作为随机变量。
进一步的，为了使得选取的随机变量的取值大小更加合适，还可以从多种渠道获取对不可控因素造成影响的各种事件或消息，并将其抽象为权值或修正系数来对随机变量的取值大小进行修正，使最终得到的随机变量与次日当天的实际值更加接近。
s103：根据次日的物资需求数量和物资产出数量计算得到在日前市场中物资的采购数量；
在s101和s102的基础上，本步骤旨在根据次日的物资需求数量与物资产出数量的差计算得到服务商需要在日前市场中物资的采购数量。当然，为了防止意外情况的方式，通常还可以在计算得到的差的基础上增加一些冗余备用，将最终的数量作为采购数量。
s104：根据次日当天的物资实际需求数量与物资需求数量间的差异，在现货市场采购缺少的部分物资和售出多余的部分物资。
在s103的基础上，本步骤旨在根据次日当天的物资实际需求数量，通过比较得到与s102计算得到的物资需求数量间的差异，这部分差异无法通过日前市场得到解决，因此只有通过现货市场来解决，包括采购缺少的部分物资和售出多余的部分物资。
基于上述技术方案可以看出，相比于现有技术，本申请将不可控因素的取值以随机变量的方式来得到，使得计算得到的物资产出数量和物资需求数量更加贴近于不可预知的实际数量。虽然这些不可控因素的取值的变化实际上存在一定的规律，但由于过于复杂的实际情况导致该规律过于隐晦，很难将其具象化。在长时间历史数据的基础上进行多方面的归纳可能才能得到在变化趋势不变的情况下的取值，但变化趋势并不会一成不变。在短期内这些可控因素的取值更像是不可预知的随机数，应用本方案可以在一定程度上使得计算结果与实际结果更接近，降低经济损失。
进一步的，上述过程可以抽象为计算当前能源服务商的损益函数(即根据计算出来的结果的正负判定是亏损还是盈利)，在概率学中，可以通过损益函数输出值的对比间接判断出计算模型构建的是否准确，为便于理解，此处以同时提供电力和天然气两种能源的综合能源服务商为例，给出一个具体的损益函数的公式和附属的计算过程：
当该综合能源服务商独立运行时，该综合能源服务商的损益函数如下所示(其中i用于表示当前的综合能源服务商为多个综合能源服务商中的第i家)：
其中，综合能源服务商的成本主要有从日前市场和现货市场购买电力和天然气的成本，以及自身发电机组发电成本，由于光伏发电的特性，此处将光伏发电成本置为0；收益为向其内部用户销售电力和天然气所获得的利益。
式中，δt为时段间隔，t为时段数，t∈[1,t]，qi,el,t、qi,gl,t分别为内部用户向该综合能源服务商购买电力和天然气的销售价格，qeda,t、qgda,t分别该综合能源服务商从日前市场中购买电力和天然气的价格，pi,el,t、pi,gl,t分别为综合能源服务商内部用户每日对电力和天然气的需求数量，pi,eda,t、pi,gda,t分别为综合能源服务商需要从日前市场购买电力和天然气的数量，ci,g,t、ce,rt,t、cg,rt,t分别为综合能源服务商内部的发电机组成本，从现货市场购买电力和天然气的成本(即从现货市场购买的电力和天然气的单价与数量的乘积)。
服务商内部发电机成本与发电功率成二次函数关系。式中，ai,g、bi,g、ci,g为发电机成本参数，pi,g,t为发电机功率。
ce,rt＝(pi,el,t-pi,eda,t-ppv,t-pi,g,t)qert,tδt
用户用电量与服务商机组发电、光伏发电、日前市场购电量之和的差值要从现货市场中购买补足。式中，ppv,t为综合能源服务商内部的光伏出力，qert,t为现货市场中出清电力的单价。
cg,rt＝(pi,gl,t-pi,gda,t)qgrt,tδt
式中，qgrt,t为现货市场中出清天然气的单价。
上述几个公式存在如下约束条件：
pi,g,min≤pi,g,t≤pi,g,max
式中，pi,g,min、pi,g,max为发电机组出力的上下限。
由于日前市场能源价格较为稳定，而现货市场电价波动性比较明显，用户用能量和光伏出力也存在一定的随机性。上述参数中，qi,el,t、qi,gl,t、ai,g、bi,g、ci,g属于可控因素，在本实施例中将其作为常数，而qeda,t、qgda,t、qert,t、qgrt,t、pi,el,t、pi,gl,t、ppv,t则属于不可控因素，在本实施例中将其作为服从正态分布的随机变量参与具体的计算，pi,eda,t、pi,gda,t、pi,g,t为该综合能源服务商的决策变量。
综合能源服务商对次日用户用能量和光伏出力进行预测，决定在日前市场的能源购买量和自身机组出力，与实际用户负荷的偏差则需参与次日的现货市场购买。
上述对构建得到的损益函数进行了说明，为了得到最终结果，衡量基于随机变量计算得到的数量是否更加贴近实际，本实施例还提供了一种建立基于cvar的风险评价模型的方式来实现：
var是指在能源市场正常波动条件和给定的概率水平(置信度)下，一个用于评估综合能源服务商在未来既定时期内可能遭受的潜在最大价值损失，则第i家综合能源服务商的var值如下所示：
pr(-fser,i≤vi,var,α)＝α
式中，fser,i为第i家综合能源服务商的损益，其相反数即为综合能源服务商的损失，vi,var,α即为置信度α下第i家综合能源服务商的风险价值。
cvar即条件风险价值，其含义为在投资组合的损失超过某个给定var值的条件下，该投资组合的平均损失值，如下所示：
vi,cvar,α＝e(-fser,i|-fser,i≥vi,var,α)
式中，vi,cvar,α即为置信度α下第i家综合能源服务商的条件风险价值，其具体计算如下式：
式中，pf为综合能源服务商的损益概率密度，f为随机变量。
由于vi,var,α难以根据定义直接求解，本实施例还采用了如下优化函数来求解cvar值，并将其作为综合能源服务商的优化目标。本实施例具体采用了随机抽样和聚类分析的方式将连续的随机变量转化为典型场景的离散随机变量，其目标函数如下所示：
式中，
增加的约束条件如下：
由上述可知，综合能源服务商的损益不是常数，而是随机变量，为了对其进行求解，本发明采用场景法对其进行求解，首先需要对随机变量进行抽样，获取场景，本发明采用蒙特卡洛方法对随机变量进行抽样，其中随机变量包括电力和天然气日前市场和现货市场出清价格、电力和天然气负荷功率，以及光伏的输出功率。
由于蒙特卡洛抽样产生的场景过多，计算量过大，因此本发明在蒙特卡洛抽样产生的场景基础上，采用k-means(聚类算法的一种)算法对已生成的场景进行削减，从而得到合适数量的场景集合ω。
采用前文所建立的优化运行模型，其目标函数为
因为情况复杂，无法一一列举进行阐述，本领域技术人员应能意识到根据本申请提供的基本方法原理结合实际情况可以存在很多的例子，在不付出足够的创造性劳动下，应均在本申请的保护范围内。
实施例四
下面请参见图2，图2为本申请实施例所提供的一种综合能源市场的物资处理装置的结构框图，该装置可以包括：
物产产出数量计算单元，用于计算得到自身次日的物资产出数量；其中，自身产出的物资分为数量可控物资和数量不可控物资，数量不可控物资的物资产出数量是将不可控因素以随机变量的方式计算得到的；
物资需求数量计算单元，用于计算得到用户次日的物资需求数量；其中，物资需求数量是不可控的，物资需求数量是将不可控因素以随机变量的方式计算得到的；
日前市场采购数量计算单元，用于根据次日的物资需求数量和物资产出数量计算得到在日前市场中物资的采购数量；
现货市场差异处理单元，用于根据次日当天的物资实际需求数量与物资需求数量间的差异，在现货市场采购缺少的部分物资和售出多余的部分物资。
可选的，当物资包括电力和天然气时，所述不可控因素包括光伏发电机组在次日的电力产出数量、用户次日所需的电力数量和天然气数量。
可选的，所述随机变量具体为服从正态分布的随机变量。
可选的，该物资处理装置还包括：
随机变量数值修正单元，用于利用预测模型修正随机变量的数值大小；其中，预测模型是基于历史同期的真实数值结合不同时期的变化趋势构建得到的。
本实施例作为一个对应于上述方法实施例的装置实施例存在，具有方法实施例的全部有益效果，此处不再一一赘述。
基于上述实施例，本申请还提供了一种电子设备，该电子设备可以包括存储器和处理器，其中，该存储器中存有计算机程序，该处理器调用该存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然，该电子设备还可以包括各种必要的网络接口、电源以及其它零部件等。
本申请还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行终端或处理器执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
- 还没有人留言评论。精彩留言会获得点赞！