基于遗传算法的电力资源处理方法、装置和计算机设备与流程

1.本技术涉及电力技术领域，特别是涉及一种基于遗传算法的电力资源处理方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着我国电力技术的发展，我国电力需求不断增长，为了有效引导并控制电网高峰时段负荷的增长，需要在一定程度上使用电侧提供与发电侧对等的调节资源，提高电力资源的整体利用效率。
3.然而，传统技术中，在使用电力资源描述信息进行资源调度时，由于电力资源描述信息不准确，导致用电侧与发电侧之间资源交互效果差，无法提高电力资源的利用效率。
4.因此，传统技术中存在着电力资源利用效率低的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够提高电力资源利用效率的基于遗传算法的电力资源处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
6.第一方面，本技术提供了一种基于遗传算法的电力资源处理方法。所述方法包括：
7.获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集；所述资源交互平台用于供用电侧和发电侧之间进行资源交互；所述用电负荷聚合端用于在所述用电侧和所述发电侧之间进行资源传递；
8.针对各所述初始资源描述信息集，根据所述虚拟资源增加量和所述虚拟资源描述限值，以所述资源交互的结果满足第一预设条件为目标构建第一模型，以及以所述资源传递的结果满足第二预设条件为目标构建第二模型；
9.根据所述第一模型和所述第二模型构建目标资源描述信息模型；
10.通过遗传算法在所述目标资源描述信息模型中对所述初始资源描述信息集进行迭代优化，得到目标资源描述信息；所述目标资源描述信息用于指示所述用电侧与所述发电侧进行资源交互。
11.在其中一个实施例中，所述针对各所述初始资源描述信息集，根据所述虚拟资源增加量和所述虚拟资源描述限值，以所述资源交互的结果满足第一预设条件为目标构建第一模型，以及以所述资源传递的结果满足第二预设条件为目标构建第二模型，包括：
12.根据所述虚拟资源增加量构建所述第一模型的第一目标函数；所述第一目标函数以所述资源交互的结果满足所述第一预设条件为目标；
13.根据第一安全约束以及第二安全约束构建所述第一模型的第一约束条件；
14.根据所述第一目标函数和所述第一约束条件构建所述第一模型。
15.在其中一个实施例中，所述资源交互平台包括第一资源交互平台和第二资源交互
平台；所述虚拟资源增加量包括所述第一资源交互平台对应的第一虚拟资源增加量以及所述第二资源交互平台对应的第二虚拟资源增加量；所述根据所述虚拟资源增加量构建所述第一模型的第一目标函数，包括：
16.针对所述第一资源交互平台，确定所述发电侧对应的第一资源描述函数以及所述用电侧对应的第二资源描述函数；
17.针对所述第二资源交互平台，确定所述发电侧对应的第三资源描述函数以及所述用电侧对应的第四资源描述函数；
18.根据所述第一资源描述函数、所述第二资源描述函数、所述第三资源描述函数、所述第四资源描述函数、所述第一虚拟资源增加量和所述第二虚拟资源增加量，构建所述第一目标函数。
19.在其中一个实施例中，所述针对所述第一资源交互平台，确定所述发电侧对应的第一资源描述函数以及所述用电侧对应的第二资源描述函数，包括：
20.确定所述发电侧的发电机组在当前时间段针对所述第一资源交互平台的发电功率；
21.根据所述发电功率确定所述第二资源描述函数；
22.所述针对所述第二资源交互平台，确定所述发电侧对应的第三资源描述函数以及所述用电侧对应的第四资源描述函数，包括：
23.确定所述发电侧的发电机组在所述当前时间段针对所述第二资源交互平台的目标容量；
24.根据所述目标容量确定所述第四资源描述函数。
25.在其中一个实施例中，所述针对各所述初始资源描述信息集，根据所述虚拟资源增加量和所述虚拟资源描述限值，以所述资源交互的结果满足第一预设条件为目标构建第一模型，以及以所述资源传递的结果满足第二预设条件为目标构建第二模型，包括：
26.获取记录在所述资源交互平台中的针对所述用电负荷的虚拟资源描述均值；
27.根据所述初始资源描述信息集，确定所述用电负荷聚合端针对所述用电负荷的目标电量；
28.根据所述虚拟资源描述均值和所述目标电量构建所述第二模型的第二目标函数；所述第二目标函数以所述资源传递的结果满足所述第二预设条件为目标；
29.根据所述虚拟资源描述限值构建所述第二模型的第二约束条件；
30.根据所述第二目标函数和所述第二约束条件构建所述第二模型。
31.在其中一个实施例中，所述通过遗传算法在所述目标资源描述信息模型中对所述初始资源描述信息集进行迭代优化，得到目标资源描述信息，包括：
32.获取根据所述第二模型得到的变异个体适应度；
33.根据所述变异个体适应度确定当前种群适应度；
34.根据所述当前种群适应度以及各种群适应度，确定当前种群的选择概率；
35.确定所述遗传算法对应的交叉概率和变异概率；
36.根据所述选择概率、所述交叉概率和所述变异概率，对所述初始资源描述信息集进行迭代优化，得到所述目标资源描述信息。
37.第二方面，本技术还提供了一种基于遗传算法的电力资源处理装置。所述装置包
括：
38.获取模块，用于获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集；所述资源交互平台用于供用电侧和发电侧之间进行资源交互；所述用电负荷聚合端用于在所述用电侧和所述发电侧之间进行资源传递；
39.第一构建模块，用于针对各所述初始资源描述信息集，根据所述虚拟资源增加量和所述虚拟资源描述限值，以所述资源交互的结果满足第一预设条件为目标构建第一模型，以及以所述资源传递的结果满足第二预设条件为目标构建第二模型；
40.第二构建模块，用于根据所述第一模型和所述第二模型构建目标资源描述信息模型；
41.优化模块，用于通过遗传算法在所述目标资源描述信息模型中对所述初始资源描述信息集进行迭代优化，得到目标资源描述信息；所述目标资源描述信息用于指示所述用电侧与所述发电侧进行资源交互。
42.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
43.获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集；所述资源交互平台用于供用电侧和发电侧之间进行资源交互；所述用电负荷聚合端用于在所述用电侧和所述发电侧之间进行资源传递；
44.针对各所述初始资源描述信息集，根据所述虚拟资源增加量和所述虚拟资源描述限值，以所述资源交互的结果满足第一预设条件为目标构建第一模型，以及以所述资源传递的结果满足第二预设条件为目标构建第二模型；
45.根据所述第一模型和所述第二模型构建目标资源描述信息模型；
46.通过遗传算法在所述目标资源描述信息模型中对所述初始资源描述信息集进行迭代优化，得到目标资源描述信息；所述目标资源描述信息用于指示所述用电侧与所述发电侧进行资源交互。
47.第四方面，本技术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，其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以下步骤：
48.获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集；所述资源交互平台用于供用电侧和发电侧之间进行资源交互；所述用电负荷聚合端用于在所述用电侧和所述发电侧之间进行资源传递；
49.针对各所述初始资源描述信息集，根据所述虚拟资源增加量和所述虚拟资源描述限值，以所述资源交互的结果满足第一预设条件为目标构建第一模型，以及以所述资源传递的结果满足第二预设条件为目标构建第二模型；
50.根据所述第一模型和所述第二模型构建目标资源描述信息模型；
51.通过遗传算法在所述目标资源描述信息模型中对所述初始资源描述信息集进行迭代优化，得到目标资源描述信息；所述目标资源描述信息用于指示所述用电侧与所述发电侧进行资源交互。
52.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
53.获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集；所述资源交互平台用于供用电侧和发电侧之间进行资源交互；所述用电负荷聚合端用于在所述用电侧和所述发电侧之间进行资源传递；
54.针对各所述初始资源描述信息集，根据所述虚拟资源增加量和所述虚拟资源描述限值，以所述资源交互的结果满足第一预设条件为目标构建第一模型，以及以所述资源传递的结果满足第二预设条件为目标构建第二模型；
55.根据所述第一模型和所述第二模型构建目标资源描述信息模型；
56.通过遗传算法在所述目标资源描述信息模型中对所述初始资源描述信息集进行迭代优化，得到目标资源描述信息；所述目标资源描述信息用于指示所述用电侧与所述发电侧进行资源交互。
57.上述基于遗传算法的电力资源处理方法、装置、计算机设备、存储介质和计算机程序产品，通过获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集；其中，资源交互平台用于供用电侧和发电侧之间进行资源交互；用电负荷聚合端用于在用电侧和发电侧之间进行资源传递；然后，针对各初始资源描述信息集，根据虚拟资源增加量和虚拟资源描述限值，以资源交互的结果满足第一预设条件为目标构建第一模型，以及以资源传递的结果满足第二预设条件为目标构建第二模型；之后，根据第一模型和第二模型构建目标资源描述信息模型；最后，通过遗传算法在目标资源描述信息模型中对初始资源描述信息集进行迭代优化，得到目标资源描述信息；其中，目标资源描述信息用于指示用电侧与发电侧进行资源交互；如此，保障了模型最终输出的目标资源描述信息可以同时满足用电侧和发电侧之间的资源交互结果满足预设条件、用电侧和发电侧之间的资源传递结果满足预设条件，从而可以提高用电侧、发电侧以及用电负荷聚合端之间的资源互动积极性，有效利用电力资源，进而提高了电力资源利用效率。
附图说明
58.图1为一个实施例中一种基于遗传算法的电力资源处理方法的流程示意图；
59.图2为一个实施例中一种改进的遗传算法寻优流程示意图；
60.图3为一个实施例中一种求解目标资源描述信息方法的流程示意图；
61.图4为另一个实施例中一种基于遗传算法的电力资源处理方法的流程示意图；
62.图5为一个实施例中一种基于遗传算法的电力资源处理装置的结构框图；
63.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
64.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
65.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
66.在一个实施例中，如图1所示，提供了一种基于遗传算法的电力资源处理方法，可以应用于服务器，服务器可以是独立的服务器或者是多个服务器组成的服务器集群。方法包括：
67.步骤s110，获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集。
68.其中，资源交互平台用于供用电侧和发电侧之间进行资源交互。
69.其中，用电负荷聚合端用于在用电侧和发电侧之间进行资源传递。
70.其中，资源交互平台在实际应用中可以指双边报价电力市场中用于资源交互的平台。
71.其中，虚拟资源增加量在实际应用中可以命名为负荷收益率，指双边报价电力市场中用电负荷基于真实收益的倍率。
72.其中，虚拟资源描述限值在实际应用中可以命名为负荷报价阈值。
73.其中，用电负荷聚合端在实际应用中可以指负荷聚合商。随着电力市场改革的不断推进，电力现货市场机制正逐渐向多市场主体发展，电力现货市场双边报价模式逐渐兴起。这种报价模式即“发电侧报量报价，用电侧报量报价”，负荷聚合商作为电网侧和用户侧中间重要的协调机构，可以自由拟定报价策略直接参与现货市场竞争。负荷聚合商作为用电侧和用户侧中间重要的协调机构，可以整合用电侧的可调节电力资源，进而参与用电侧和用户侧之间的资源调度、传递。
74.其中，初始资源描述信息集在实际应用中可以命名为初始报价策略集。
75.其中，初始报价策略集至少包括针对用电负荷的报价以及负荷调度量。
76.具体实现中，服务器可以获取记录在资源交互平台中针对用电负荷的虚拟资源增加量、虚拟描述限值以及各用电负荷聚合端对应的初始资源描述信息集。其中，资源交互平台中每一个参与资源互动的用电负荷聚合端为i，则各用电负荷聚合端对应的初始资源描述信息集为pi＝{k
1i
，k
2i
}，因此所有用电负荷聚合端对应的总策略集为{p1，p2…
，pn}。
77.步骤s120，针对各初始资源描述信息集，根据虚拟资源增加量和虚拟资源描述限值，以资源交互的结果满足第一预设条件为目标构建第一模型，以及以资源传递的结果满足第二预设条件为目标构建第二模型。
78.其中，资源交互的结果在实际应用中可以指社会总福利。
79.其中，第一预设条件在实际应用中可以指社会总福利最大化。
80.其中，资源传递的结果在实际应用中可以指负荷聚合商收益。
81.其中，第二预设条件在实际应用中可以指负荷聚合商收益最大化。
82.其中，第一模型可以为上层模型，第二模型可以为下层模型。
83.具体实现中，服务器可以针对各初始资源描述信息集，根据虚拟资源增加量和虚
拟资源描述限值，以资源交互的结果满足第一预设条件为目标构建第一模型，以资源传递的结果满足第二预设条件为目标构建第二模型。具体地，可以根据虚拟资源增加量和虚拟资源描述限值确定第一模型对应的目标函数、约束条件，第二模型对应的目标函数、约束条件，从而可以建立第一模型和第二模型。
84.步骤s130，根据第一模型和第二模型构建目标资源描述信息模型。
85.具体实现中，服务器可以将第一模型作为上层模型、将第二模型作为下层模型，根据上层模型和下层模型构建双层模型，得到目标资源描述信息模型。
86.步骤s140，通过遗传算法在目标资源描述信息模型中对初始资源描述信息集进行迭代优化，得到目标资源描述信息。
87.其中，目标资源描述信息用于指示用电侧与发电侧进行资源交互，在实际应用可以指针对用电负荷的目标报价策略。
88.具体实现中，服务器可以通过遗传算法在目标资源描述信息模型中对初始资源描述信息集进行迭代优化，包括选择、交叉、变异操作，直到满足迭代结束条件，得到目标报价策略。
89.上述基于遗传算法的电力资源处理方法中，通过获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集；其中，资源交互平台用于供用电侧和发电侧之间进行资源交互；用电负荷聚合端用于在用电侧和发电侧之间进行资源传递；然后，针对各初始资源描述信息集，根据虚拟资源增加量和虚拟资源描述限值，以资源交互的结果满足第一预设条件为目标构建第一模型，以及以资源传递的结果满足第二预设条件为目标构建第二模型；之后，根据第一模型和第二模型构建目标资源描述信息模型；最后，通过遗传算法在目标资源描述信息模型中对初始资源描述信息集进行迭代优化，得到目标资源描述信息；其中，目标资源描述信息用于指示用电侧与发电侧进行资源交互；如此，保障了模型最终输出的目标资源描述信息可以同时满足用电侧和发电侧之间的资源交互结果满足预设条件、用电侧和发电侧之间的资源传递结果满足预设条件，从而可以提高用电侧、发电侧以及用电负荷聚合端之间的资源互动积极性，有效利用电力资源，进而提高了电力资源利用效率。
90.在一个实施例中，针对各初始资源描述信息集，根据虚拟资源增加量和虚拟资源描述限值，以资源交互的结果满足第一预设条件为目标构建第一模型，以及以资源传递的结果满足第二预设条件为目标构建第二模型，包括：根据虚拟资源增加量构建第一模型的第一目标函数；根据第一安全约束以及第二安全约束构建第一模型的第一约束条件；根据第一目标函数和第一约束条件构建第一模型。
91.其中，第一目标函数以资源交互的结果满足第一预设条件为目标。
92.其中，第一安全约束为安全约束机组约束(security constrained unit commitment，scuc)是指考虑电力系统安全约束的机组开停机及出力计划规划。
93.其中，第二安全约束为安全约束经济调度(security constrained economic dispatch，sced)，是指在满足电力系统安全性约束的条件下，以系统购电成本最低等为优化目标,制定多时段的机组发电计划的功能。sced主要是决策机组输出功率的大小。
94.具体实现中，服务器在针对各初始资源描述信息集，根据虚拟资源增加量和虚拟资源描述限值，以资源交互的结果满足第一预设条件为目标构建第一模型，以及以资源传
递的结果满足第二预设条件为目标构建第二模型的过程中，服务器可以根据虚拟资源增加量，以资源交互的结果满足第一预设条件为目标，即以社会总福利最大化为目标构建第一模型的第一目标函数；同时，根据安全约束机组约束(security constrained unit commitment，scuc)和安全约束经济调度(security constrained economic dispatch，sced)构建第一模型的第一约束条件；最后，根据第一目标函数和第一约束条件构建第一模型。
95.实际应用中，资源交互平台包括第一资源交互平台和第二资源交互平台；虚拟资源增加量包括第一资源交互平台对应的第一虚拟资源增加量以及第二资源交互平台对应的第二虚拟资源增加量；根据虚拟资源增加量构建第一模型的第一目标函数，包括：针对第一资源交互平台，确定发电侧对应的第一资源描述函数以及用电侧对应的第二资源描述函数；针对第二资源交互平台，确定发电侧对应的第三资源描述函数以及用电侧对应的第四资源描述函数；根据第一资源描述函数、第二资源描述函数、第三资源描述函数、第四资源描述函数、第一虚拟资源增加量和第二虚拟资源增加量，构建第一目标函数。
96.其中，第一资源交互平台在实际应用中指双边报价电力市场中用电市场对应的资源交互平台。
97.其中，第二资源交互平台在实际应用中指双边报价电力市场中备用市场对应的资源交互平台。
98.其中，资源描述函数在实际应用中指报价函数。
99.其中，用电负荷包括可中断负荷、可转移负荷和可平移负荷。
100.其中，第一资源描述函数为针对用电市场，发电侧依据发电机组发电成本确定的报价函数。
101.其中，第二资源描述函数包括针对用电市场，用电侧对应的可中断负荷报价函数、可转移负荷报价函数和可平移负荷报价函数。
102.其中，第三资源描述函数为针对备用市场，发电侧依据发电机组发电成本确定的备用报价函数。
103.其中，第四资源描述函数包括针对备用市场，用电侧对应的可中断负荷的备用报价函数以及可转移负荷的备用报价函数。
104.具体实现中，服务器在根据虚拟资源增加量构建第一模型的第一目标函数的过程中，服务器可以针对第一资源交互平台，确定发电侧依据发电机组发电成本确定的报价函数以及用电侧对应的可中断负荷报价函数、可转移负荷报价函数和可平移负荷报价函数；同时，可以针对第二资源交互平台，确定发电侧依据发电机组发电成本确定的备用报价函数、用电侧对应的可中断负荷的备用报价函数以及可转移负荷的备用报价函数；最后，服务器可以根据上述各报价函数以及第一虚拟资源增加量和第二虚拟资源增加量，构建第一目标函数。
105.其中，服务器在针对第一资源交互平台，确定发电侧对应的第一资源描述函数以及用电侧对应的第二资源描述函数的过程中，服务器可以确定发电侧的发电机组在当前时间段针对第一资源交互平台的发电功率；根据发电功率确定所述第二资源描述函数。
106.其中，服务器在针对第二资源交互平台，确定发电侧对应的第三资源描述函数以及用电侧对应的第四资源描述函数的过程中，服务器可以确定发电侧的发电机组在当前时
间段针对第二资源交互平台的目标容量；根据目标容量确定第四资源描述函数。
107.其中，目标容量实际应用中可以指针对备用市场，发电机组对应的中标备用容量。
108.第一目标函数如下所示：
[0109][0110]
其中，f表示资源交互的结果，即社会总福利；t表示时间段总数量；k1为第一资源交互平台对应的第一虚拟资源增加量，即用电市场对应的负荷收益率；k2为第二资源交互平台对应的第二虚拟资源增加量，即备用市场对应的负荷收益率；f
1,m
(t)为第m个可中断负荷聚合商针对用电市场的用电收益。
[0111]
其中，f
1,i
(t)、f
2,j
(t)、f
3,k
(t)分别为针对用电市场，用电侧对应的第二资源描述函数中可中断负荷报价函数、可转移负荷报价函数和可平移负荷报价函数；f
4,e
(t)为针对用电市场，发电侧依据发电机组发电成本确定的报价函数，即第一资源描述函数；i为用电侧可中断负荷用户数量、j为用电侧可转移负荷用户数量、k为用电侧可平移负荷用户数量；e为针对用电市场，发电侧发电机组数量；m为第m个可中断负荷聚合商。
[0112]
其中，l
4,e
(t)为针对备用市场，发电侧依据发电机组发电成本确定的备用报价函数，即第三资源描述函数；l
1,i
(t)、l
2,j
(t)为针对备用市场，用电侧对应的第四资源描述函数中可中断负荷的备用报价函数以及可转移负荷的备用报价函数。
[0113]
其中，s
coal
(c,t)为针对备用市场，发电侧依据发电机组启动成本确定的备用报价函数；c表示针对备用市场，发电侧煤电机组数量。
[0114]
其中，s
coal
(c,t)计算公式如下：
[0115]scoal
(c,t)＝sc(t)
·ssta
(t)(1-s
sta
(t-1))
[0116][0117]
其中，t表示第t个时间段；sc(t)为发电机组的启动成本；s
sta
(t)为发电机组在第t个时间段的状态函数；s
sta
(t-1)为发电机组在第t-1个时间段的状态函数。
[0118]
其中，用电侧对应的第二资源描述函数中可中断负荷报价函数f
1,i
(t)、可转移负荷报价函数f
2,j
(t)和可平移负荷报价函数f
3,k
(t)的确定公式如下：
[0119]f1,i
(t)、f
2,j
(t)、f
3,k
(t)＝f(pe(t))
[0120]
其中，pe(t)为针对用电市场，发电侧发电机组在当前时间段即t时间段的发电功率，即发电侧的发电机组在当前时间段针对所述第一资源交互平台的发电功率。
[0121]
其中，用电侧对应的第四资源描述函数中可中断负荷的备用报价函数l
1,i
(t)以及
可转移负荷的备用报价函数l
2,j
(t)的确定公式如下：
[0122]
l
1,i
(t)、l
2,j
(t)＝f(re(t))
[0123]
其中，re(t)为针对备用市场，发电侧发电机组当前时间段即t时间段对应的中标备用容量，即发电侧的发电机组在当前时间段针对第二资源交互平台的目标容量。
[0124]
其中，pe(t)与第二资源描述函数之间，以及re(t)与第四资源描述函数之间呈二次函数关系，系数根据实际运行经验获取。
[0125]
第一约束条件如下所示：
[0126][0127][0128]
p
e,min
≤pe(t)+re(t)≤p
e,max
[0129]-v
e,d
≤pe(t)-pe(t-1)≤v
e,u
[0130][0131]
其中，p
1,i
(t)、p
2,j
(t)和p
3,k
(t)分别为可中断负荷、可转移符合和可平移负荷对应的总用电负荷量，p4(t)为t时间段的固定负荷量，p(t)为t时间段的总负荷量；re(t)、r
1,i
(t)和r
2,j
(t)分别为发电机组、可中断负荷和可转移负荷对应的中标备用容量；r(t)为t时间段的总备用需求；p
e,min
和p
e,max
分别为发电机组总出力下限和上限值；pe(t)为针对用电市场，发电侧发电机组在当前时间段即t时间段的发电功率；pe(t-1)为针对用电市场，发电侧发电机组在上一时间段即t-1时间段的发电功率；v
e,d
和v
e,u
分别为发电机组向下和向上的爬坡约束；wh为对应水电机组的出力上限；如此，通过第一约束条件可以保障机组满足系统安全稳定要求。
[0132]
本实施例的技术方案，通过根据虚拟资源增加量构建第一模型的第一目标函数；其中，第一目标函数以资源交互的结果满足第一预设条件为目标；根据第一安全约束以及第二安全约束构建第一模型的第一约束条件；根据第一目标函数和第一约束条件构建第一模型；如此，通过基于第一模型构建训练得到的目标资源描述信息模型，输出目标资源描述信息，可以保障该目标资源描述信息用于指示用电侧于发电侧进行资源交互时，资源交互的结果满足预设条件，且通过第一约束条件保障了机组满足系统的安全稳定，在提高用电侧与发电侧之间的资源互动积极性同时可以保障系统机组的安全稳定性。
[0133]
在一个实施例中，针对各初始资源描述信息集，根据虚拟资源增加量和虚拟资源描述限值，以资源交互的结果满足第一预设条件为目标构建第一模型，以及以资源传递的结果满足第二预设条件为目标构建第二模型，包括：获取记录在资源交互平台中的针对用电负荷的虚拟资源描述均值；根据初始资源描述信息集，确定用电负荷聚合端针对用电负荷的目标电量；根据虚拟资源描述均值和目标电量构建第二模型的第二目标函数；根据虚
拟资源描述限值和虚拟资源增加量构建第二模型的第二约束条件；根据第二目标函数和第二约束条件构建第二模型。
[0134]
其中，第二目标函数以资源传递的结果满足第二预设条件为目标。
[0135]
其中，资源传递的结果在实际应用中可以指负荷聚合商收益。
[0136]
其中，第二预设条件在实际应用中可以指负荷聚合商收益最大化。
[0137]
其中，虚拟资源描述均值在实际应用中可以指双边电力报价电力市场中的平均节点电价，包括针对用电市场(对应于第一资源交互平台)的平均节点电价以及针对备用市场(对应于第二资源交互平台)的平均节点电价。
[0138]
其中，目标电量在实际应用中可以指可中断负荷在双边电力报价电力市场中的中标电量，包括可中断负荷在用电市场中的中标电量，以及可中断负荷在备用市场中的中标电量。
[0139]
其中，虚拟资源描述限值在实际应用中可以命名为负荷报价阈值，负荷报价阈值包括为预设的负荷报价上下限。
[0140]
其中，虚拟资源增加量在实际应用中可以命名为负荷收益率，指双边报价电力市场中用电负荷基于真实收益的倍率；包括第一资源交互平台对应的第一虚拟资源增加量以及第二资源交互平台对应的第二虚拟资源增加量。
[0141]
具体实现中，服务器在针对各初始资源描述信息集，根据虚拟资源增加量和虚拟资源描述限值，以资源交互的结果满足第一预设条件为目标构建第一模型，以及以资源传递的结果满足第二预设条件为目标构建第二模型的过程中，服务器可以获取记录在资源交互平台中的针对用电负荷的虚拟资源描述均值，即获取针对用电市场的平均节点电价以及针对备用市场的平均节点电价；同时，可以根据初始资源描述信息集，确定用电负荷聚合端针对用电负荷的目标电量，即负荷聚合商针对可中断负荷在用电市场中的中标电量，以及负荷聚合商针对可中断负荷在备用市场中的中标电量；然后，可以根据针对用电市场的平均节点电价、针对备用市场的平均节点电价、负荷聚合商针对可中断负荷在用电市场中的中标电量，以及负荷聚合商针对可中断负荷在备用市场中的中标电量，构建第二模型的第二目标函数，即下层模型的第二目标函数，该第二目标函数以资源传递的结果满足第二预设条件为目标，即以负荷聚合商收益最大化为目标。
[0142]
实际应用中，第二目标函数如下所示：
[0143][0144]
其中，fm为资源传递的结果，即负荷聚合商收益；f
1,m
(t)为第m个可中断负荷聚合商针对用电市场的用电收益；l1(t)为记录在第一资源交互平台中的针对用电负荷的虚拟资源描述均值，即用电市场的平均节点电价；p
1,m
(t)为用电负荷聚合端针对用电负荷在第一资源平台中的目标电量，即负荷聚合商针对可中断负荷在用电市场中的中标电量；l
1,m
(t)为第m个可中断负荷聚合商针对备用市场的备用收益，l2(t)为记录在第二资源交互平台中的针对用电负荷的虚拟资源描述均值，即备用市场的平均节点电价，r
1,m
(t)为用电负荷聚合端针对用电负荷在第二资源平台中的目标电量，即负荷聚合商针对可中断负荷在备用市场中的中标电量。
[0145]
其中，第二约束条件如下所示：
[0146]kmin
≤k1≤k
max
[0147]kmin
≤k2≤k
max
[0148]
其中，k1为第一资源交互平台对应的第一虚拟资源增加量，即用电市场对应的负荷收益率；k2为第二资源交互平台对应的第二虚拟资源增加量，即备用市场对应的负荷收益率；k
min
为负荷报价阈值中负荷报价下限；k
max
为负荷报价阈值中负荷报价上限；其中，k
min
和k
max
按照一般经验，可以选取为(0,5]范围内；如此，通过第二约束条件可以防市场力滥用。
[0149]
本实施例的技术方案，通过获取记录在资源交互平台中的针对用电负荷的虚拟资源描述均值；根据初始资源描述信息集，确定用电负荷聚合端针对用电负荷的目标电量；根据虚拟资源描述均值和目标电量构建第二模型的第二目标函数；其中，二目标函数以资源传递的结果满足第二预设条件为目标；根据虚拟资源描述限值和虚拟资源增加量构建第二模型的第二约束条件；根据第二目标函数和第二约束条件构建第二模型；如此，通过基于第二模型构建训练得到的目标资源描述信息模型，输出目标资源描述信息，可以保障该目标资源描述信息用于指示用电侧于发电侧进行资源交互时，用电负荷聚合端在用电侧及发电侧之间的资源传递结果满足预设条件，且通过虚拟资源描述限值和虚拟资源增加量设定第二约束条件，保障了用电负荷聚合端在资源传递过程中的可靠性，在提高用电负荷聚合端参与资源互动的积极性同时可以保障资源传递结果的可靠性。
[0150]
在一个实施例中，通过遗传算法在目标资源描述信息模型中对初始资源描述信息集进行迭代优化，得到目标资源描述信息，包括：获取根据第二模型得到的变异个体适应度；根据变异个体适应度确定当前种群适应度；根据当前种群适应度以及各种群适应度，确定当前种群的选择概率；确定遗传算法对应的交叉概率和变异概率；根据选择概率、交叉概率和变异概率，对初始资源描述信息集进行迭代优化，得到目标资源描述信息。
[0151]
其中，目标资源描述信息用于指示用电侧与所述发电侧进行资源交互。
[0152]
具体实现中，服务器在通过遗传算法在目标资源描述信息模型中对初始资源描述信息集进行迭代优化，得到目标资源描述信息的过程中，服务器可以获取根据第二模型得到的变异个体适应度；具体来说，可以根据求解第二模型得到的用电负荷聚合端确定变异个体适应度；然后，根据变异个体适应度以及常系数确定当前种群适应度；之后，根据当前种群适应度以及各种群适应度，确定当前种群的选择概率；然后，服务器可以确定遗传算法对应的交叉概率和变异概率；最后，根据选择概率、交叉概率和变异概率，对目标资源描述信息模型求解，实现对初始资源描述信息集进行迭代优化，当迭代次数达到预设最大迭代次数后，最终得到目标资源描述信息。该目标资源描述信息用于指示用电侧与所述发电侧进行资源交互。
[0153]
其中，当前种群适应度的确定公式如下：
[0154]ffit,k
＝αfm+b
[0155]
其中，f
fit,k
为第k个种群的适应度，可以表征当前种群适应度；f为变异个体适应度，a、b、m为预设的与实际双边报价电力市场组成有关的常系数，选择时需要满足随着迭代次数增大，种群适应度差值增大的条件。
[0156]
其中，遗传算法中涉及到的参数计算方法如下：
[0157]
当前种群的选择概率的公式如下：
[0158][0159]
其中，p
fit,k
为第k个种群的选择概率，可以表征当前种群的选择概率；表示所有种群的适应度总和，n表示种群数目。
[0160]
其中，
[0161]
p
sub_fit,k
＝p
fit,k
+p
sub_fit,k-1
[0162]
其中，p
sub_fit,k
为第k个种群的累积概率，类似地p
sub_fit,k-1
表示第k-1个种群的累积概率，根据轮盘赌选择法的思想，第k个种群的累积概率为前k个种群的选择概率之和。
[0163]
其中，为线性变换后新的策略因子k
′1和k
′2的公式如下：
[0164]k′1＝σk1+(1-σ)k2[0165]k′2＝σk2+(1-σ)k1[0166]
其中，k1为第一资源交互平台对应的第一虚拟资源增加量，即用电市场对应的负荷收益率；k2为第二资源交互平台对应的第二虚拟资源增加量，即备用市场对应的负荷收益率；σ是线性变换乘子，满足在(0,1)范围内。
[0167]
其中，交叉概率p
pcr
公式如下：
[0168][0169]
其中，为预先设定的最大交叉概率，为预先设定的最小交叉概率；为当前种群的平均适应度值；为当前种群的最大适应度值；f
′
为交叉个体的适应度值；k0为初始策略因子，取值为常数9.90。
[0170]
其中，变异概率p
pmu
公式如下：
[0171][0172]
其中，预先设定的最大变异概率，为预先设定的最小变异概率；f
″
为要变异的个体适应度值。
[0173]
如此，实现了基于改进的遗传算法对初始资源描述信息集进行迭代优化。为了便于本领域技术人员理解，图2提供一种改进的遗传算法寻优流程示意图。如图2所示，通过预
设的初始参数：虚拟资源增加量(负荷收益率)、虚拟资源描述限值(报价阈值)、初始种群数目、初始迭代次数进行种群初始化，之后计算个体、种群适应度；然后，对种群依次进行选择操作、交叉操作、变异操作；若不满足迭代结束条件，则返回执行计算个体、种群适应度步骤，直到满足迭代结束条件，结束流程。
[0174]
实际应用中，可以设定好上层模型对应的第一目标函数和第一约束条件、以及上下模型对应的第二目标函数和第二约束条件、以及初始参数；该初始参数包括：虚拟资源增加量(负荷收益率)、虚拟资源描述限值(负荷报价阈值)、初始种群数目设置n，n一般选取为大于等于30的正整数，优选地可以设置为50；初始迭代次数m，m一般选取为大于等于30的正整数，优选地可以设置为50；将各目标函数、各约束条件以及初始参数代入cplex求解器进行计算，可以实现对目标资源描述信息模型进行求解，得到目标资源描述信息以及发电侧、用电侧、用电负荷聚合端对应的收益。
[0175]
为了便于本领域技术人员理解，图3提供了一种求解目标资源描述信息(即目标报价策略)方法的流程示意图。如图3所示：该方法包括：通过设置初始参数和获取初始报价策略集形成双边报价曲线，按照社会福利最大化的目标进行双边市场出清，得到市场出清结果；根据市场出清结果，以负荷聚合商收益最大化为目标，确定负荷聚合商的收益并确定适应度；若满足迭代结束条件，则输出目标报价策略；若不满足迭代结束条件，则按照改进遗传算法进行当前最优报价策略的选择、交叉概率动态调整和变异概率动态调整，输出新的报价策略并进行新一轮的双边市场出清；迭代进行直到同时满足社会福利最大和负荷聚合商用电侧收益最大的出清目标，输出目标报价策略。
[0176]
本实施例的技术方案，通过获取根据第二模型得到的变异个体适应度；根据变异个体适应度确定当前种群适应度；根据当前种群适应度以及各种群适应度，确定当前种群的选择概率；确定遗传算法对应的交叉概率和变异概率；根据选择概率、交叉概率和变异概率，对初始资源描述信息集进行迭代优化，得到目标资源描述信息；如此，实现了根据改进的遗传算法求解目标资源描述信息，提高了模型寻优速度和收敛性能。
[0177]
在另一个实施例中，如图4所示，提供了一种基于遗传算法的电力资源处理方法，应用于服务器。本实施例中，该方法包括以下步骤：
[0178]
步骤s402，获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集。
[0179]
步骤s404，根据虚拟资源增加量构建第一模型的第一目标函数。
[0180]
步骤s406，根据第一安全约束以及第二安全约束构建第一模型的第一约束条件。
[0181]
步骤s408，根据第一目标函数和第一约束条件构建第一模型。
[0182]
步骤s410，获取记录在资源交互平台中的针对用电负荷的虚拟资源描述均值。
[0183]
步骤s412，根据初始资源描述信息集，确定用电负荷聚合端针对用电负荷的目标电量。
[0184]
步骤s414，根据虚拟资源描述均值和目标电量构建第二模型的第二目标函数。
[0185]
步骤s416，根据虚拟资源描述限值和虚拟资源增加量构建第二模型的第二约束条件。
[0186]
步骤s418，根据第二目标函数和第二约束条件构建第二模型。
[0187]
步骤s420，根据第一模型和第二模型构建目标资源描述信息模型。
[0188]
步骤s422，通过遗传算法在目标资源描述信息模型中对初始资源描述信息集进行迭代优化，得到目标资源描述信息。
[0189]
需要说明的是，上述步骤的具体限定可以参见上文对一种基于遗传算法的电力资源处理方法的具体限定。
[0190]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0191]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的基于遗传算法的电力资源处理方法的基于遗传算法的电力资源处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于遗传算法的电力资源处理装置实施例中的具体限定可以参见上文中对于一种基于遗传算法的电力资源处理方法的限定，在此不再赘述。
[0192]
在一个实施例中，如图5所示，提供了一种基于遗传算法的电力资源处理装置，包括：获取模块510、第一构建模块520、第二构建模块530和优化模块540，其中：
[0193]
获取模块510，用于获取记录在资源交互平台中的针对用电负荷的虚拟资源增加量、虚拟资源描述限值以及各用电负荷聚合端对应的初始资源描述信息集；所述资源交互平台用于供用电侧和发电侧之间进行资源交互；所述用电负荷聚合端用于在所述用电侧和所述发电侧之间进行资源传递。
[0194]
第一构建模块520，用于针对各所述初始资源描述信息集，根据所述虚拟资源增加量和所述虚拟资源描述限值，以所述资源交互的结果满足第一预设条件为目标构建第一模型，以及以所述资源传递的结果满足第二预设条件为目标构建第二模型。
[0195]
第二构建模块530，用于根据所述第一模型和所述第二模型构建目标资源描述信息模型。
[0196]
优化模块540，用于通过遗传算法在所述目标资源描述信息模型中对所述初始资源描述信息集进行迭代优化，得到目标资源描述信息；所述目标资源描述信息用于指示所述用电侧与所述发电侧进行资源交互。
[0197]
在其中一个实施例中，所述第一构建模块520，具体用于根据所述虚拟资源增加量构建所述第一模型的第一目标函数；所述第一目标函数以所述资源交互的结果满足所述第一预设条件为目标；根据第一安全约束以及第二安全约束构建所述第一模型的第一约束条件；根据所述第一目标函数和所述第一约束条件构建所述第一模型。
[0198]
在其中一个实施例中，所述资源交互平台包括第一资源交互平台和第二资源交互平台；所述虚拟资源增加量包括所述第一资源交互平台对应的第一虚拟资源增加量以及所述第二资源交互平台对应的第二虚拟资源增加量；所述第一构建模块520，具体用于针对所述第一资源交互平台，确定所述发电侧对应的第一资源描述函数以及所述用电侧对应的第二资源描述函数；针对所述第二资源交互平台，确定所述发电侧对应的第三资源描述函数
以及所述用电侧对应的第四资源描述函数；根据所述第一资源描述函数、所述第二资源描述函数、所述第三资源描述函数、所述第四资源描述函数、所述第一虚拟资源增加量和所述第二虚拟资源增加量，构建所述第一目标函数。
[0199]
在其中一个实施例中，所述第一构建模块520，具体用于确定所述发电侧的发电机组在当前时间段针对所述第一资源交互平台的发电功率；根据所述发电功率确定所述第二资源描述函数；确定所述发电侧的发电机组在所述当前时间段针对所述第二资源交互平台的目标容量；根据所述目标容量确定所述第四资源描述函数。
[0200]
在其中一个实施例中，所述第一构建模块520，具体用于获取记录在所述资源交互平台中的针对所述用电负荷的虚拟资源描述均值；根据所述初始资源描述信息集，确定所述用电负荷聚合端针对所述用电负荷的目标电量；根据所述虚拟资源描述均值和所述目标电量构建所述第二模型的第二目标函数；所述第二目标函数以所述资源传递的结果满足所述第二预设条件为目标；根据所述虚拟资源描述限值和所述虚拟资源增加量构建所述第二模型的第二约束条件；根据所述第二目标函数和所述第二约束条件构建所述第二模型。
[0201]
在其中一个实施例中，所述优化模块540，具体用于获取根据所述第二模型得到的变异个体适应度；根据所述变异个体适应度确定当前种群适应度；根据所述当前种群适应度以及各种群适应度，确定当前种群的选择概率；确定所述遗传算法对应的交叉概率和变异概率；根据所述选择概率、所述交叉概率和所述变异概率，对所述初始资源描述信息集进行迭代优化，得到所述目标资源描述信息。
[0202]
上述一种基于遗传算法的电力资源处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0203]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于遗传算法的电力资源处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于遗传算法的电力资源处理方法。
[0204]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0205]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0206]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0207]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0208]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0209]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0210]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0211]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。