CN113935767A - 资源兑换的策略生成方法、装置、设备及介质 - Google Patents
资源兑换的策略生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113935767A CN113935767A CN202111117187.XA CN202111117187A CN113935767A CN 113935767 A CN113935767 A CN 113935767A CN 202111117187 A CN202111117187 A CN 202111117187A CN 113935767 A CN113935767 A CN 113935767A
- Authority
- CN
- China
- Prior art keywords
- exchange
- strategy
- power
- resource
- feasible
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000008901 benefit Effects 0.000 claims abstract description 76
- 238000010248 power generation Methods 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 13
- 230000007774 longterm Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q2220/00—Business processing using cryptography
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/10—Energy trading, including energy flowing from end-user application to grid
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Power Engineering (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
- Exchange Systems With Centralized Control (AREA)
Abstract
本申请公开了一种资源兑换的策略生成方法、装置、设备及介质,涉及电力市场领域。该方法包括:获取功率预测数据、资源区间数据和初始兑换策略;基于功率预测数据和资源区间数据对初始兑换策略进行替换操作,生成包括目标数量的可行兑换策略的策略集合;确定策略集合中每个可行兑换策略对应的效益数据;基于每个可行兑换策略对应的效益数据,从策略集合中确定出目标兑换策略。上述资源兑换策略的生成方法能够应用于包括新能源在内的发电侧的日前报价确定中,优化了策略生成方法的应用场景,提高了新能源发电在电力现货市场中的竞争力。
Description
技术领域
本申请涉及电力市场领域,特别涉及一种资源兑换的策略生成方法、装置、设备及介质。
背景技术
目前,电力市场由多个不同时间级的子市场组成,包括中长期市场、日前市场和实时市场。其中,日前市场是根据发电商申报的下一交易日的电价和电量,市场运营机构基于竞价规则进行竞价,确定次日分时出清电价和各发电商次日分时发电计划,日前市场也是现货市场中电量占比最高、且是最重要的组成部分。
在相关技术中,关于日前市场的报价策略主要为通过遗传算法(GeneticAlgorithm,GA)、蚁群算法(Ant Colony Optimization,ACO)、神经网络(Neural Networks,NN)等,通过对日前市场出清电价的预测、火电企业的成本,历史上网电量等信息进行建模分析,以收益最大化为优化目标,得到最终的日前报价策略结果。
上述日前报价策略结果的方式仅适用于火电机组的发电侧,而如新能源发电侧此类受负荷因素、环境因素、机组状态的影响较多的发电侧无法适用上述日前报价策略,存在一定的场景局限性,因此,如何通过在日前市场进行合理报价的方式,使得整体收益最大化,成为新能源企业在电力现货交易市场中竞争发展的关键所在。
发明内容
本申请实施例提供了一种资源兑换的策略生成方法、装置、设备及介质,可以提高新能源发电在电力现货市场中的竞争力。所述技术方案如下:
一方面,提供了一种资源兑换的策略生成方法,所述方法包括:
获取功率预测数据、资源区间数据和初始兑换策略,所述功率预测数据用于指示对预设时段内预测得到的发电功率,所述资源区间数据用于提供对所述预设时段内对电力进行兑换的资源的范围,所述初始兑换策略中包括具有对应关系的功率数据和兑换资源数据;
基于所述功率预测数据和所述资源区间数据对所述初始兑换策略进行替换操作,生成包括目标数量的可行兑换策略的策略集合;
确定所述策略集合中每个可行兑换策略对应的效益数据;
基于所述每个可行兑换策略对应的效益数据,从所述策略集合中确定出目标兑换策略。
另一方面,提供了一种资源兑换的策略生成装置,所述装置包括:
获取模块,用于获取功率预测数据、资源区间数据和初始兑换策略,所述功率预测数据用于指示对预设时段内预测得到的发电功率,所述资源区间数据用于提供对所述预设时段内对电力进行兑换的资源的范围,所述初始兑换策略中包括具有对应关系的功率数据和兑换资源数据;
生成模块,用于基于所述功率预测数据和所述资源区间数据对所述初始兑换策略进行替换操作,生成包括目标数量的可行兑换策略的策略集合;
确定模块,用于确定所述策略集合中每个可行兑换策略对应的效益数据;
所述确定模块,还用于基于所述每个可行兑换策略对应的效益数据,从所述策略集合中确定出目标兑换策略。
另一方面,提供了一种计算机设备,所述终端包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现本申请实施例中任一所述的资源兑换的策略生成方法。
另一方面,提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条程序代码,所述程序代码由处理器加载并执行以实现本申请实施例中任一所述的资源兑换的策略生成方法。
另一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中任一所述的资源兑换的策略生成方法。
本申请的提供的技术方案至少包括以下有益效果:
当需要生成日前市场对应的资源兑换策略时,根据获取到的功率预测数据和资源区间数据对初始兑换策略进行替换操作,以生成包括目标数量的可行兑换策略的策略集合,根据策略集合中各个可行兑换策略对应的效益数据确定出目标兑换策略,将上述目标兑换策略提供为日前市场的资源兑换策略。上述资源兑换策略的生成方法能够应用于包括新能源在内的发电侧的日前报价确定中,优化了策略生成方法的应用场景,提高了新能源发电在电力现货市场中的竞争力。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请一个示例性实施例提供的实施环境示意图;
图2是本申请一个示例性实施例提供的资源兑换的策略生成方法流程图;
图3是本申请另一个示例性实施例提供的资源兑换的策略生成方法流程图;
图4是本申请一个示例性实施例提供的资源兑换的策略生成算法的流程图;
图5是本申请一个示例性实施例提供的资源兑换的策略生成装置结构框图;
图6是本申请另一个示例性实施例提供的资源兑换的策略生成装置结构框图;
图7是本申请一个示例性实施例提供的服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
随着国内电力市场进入全新阶段,发电侧的电力现货交易市场逐渐开放,其中,发电侧主要分为火电、水电及新能源三种类型。发电侧交易市场按时间划分主要分为中长期市场和现货市场。其中,中长期市场主要是未来的电力批发交易、期货交易和金融输电权交易等,而现货市场则分为日前市场和实时市场。相比于价格稳定的中长期市场而言,现货市场的价格波动很大,在电力市场中处于关键地位,也是电力市场化改革的重要标志。
其中,日前市场是在现货市场中电量占比最高、也是最重要的组成部分。在日前现货市场中,电网会读取发电商上报的短期预测曲线、日前报价以及供需关系等信息,优化求解出两条电力曲线,分别是中长期结算电力曲线和日前出清电力曲线,作为实时市场的预出清,然后根据实时市场的真实交易运行情况,得到发电商实时上网电力曲线,最后根据上述三条电力曲线以及相应的出清电价计算出最终的发电收益。因此,日前报价影响日前市场的出清电力,相同的短期预测功率曲线,不同的日前报价得到的日前出清电力曲线不一样,对应的收益情况不同。
目前,日前市场规定发电商采用分段报价的竞价方式,第一段出力区间起点为机组的最小技术出力,最后一段出力区间终点为机组的最大技术出力。在本申请实施例中,对新能源场站而言,最小技术出力为0,最大技术出力为装机容量;且要求各出力段的报价非递减,最多申报10段,即要求每段报价段的出力范围不低于机组最大技术出力与最小技术出力之差的10%,日前报价策略只能提交一次,作用于日前市场的全天出清,在一个示例中,新能源的日前报价如表一所示。
表一
起始(MW) | 结束(MW) | 价格(元/MWh) |
0 | 24 | 60 |
24 | 48 | 500 |
48 | 72 | 500 |
72 | 96 | 500 |
96 | 120 | 500 |
由于火电发电商种类不多,火电机组较为集中,所以火电机组的日前报价相对简单;反观新能源,由于其受负荷因素、环境因素、机组状态的影响较多,所以如何通过在日前市场进行合理报价的方式,使得整体收益最大化,成为新能源企业在电力现货交易市场中竞争发展的关键所在,一个好的日前报价策略可以直接提高新能源收益,尤其是针对新能源占比大的省份。
本申请实施例提供的资源兑换的策略生成方法能够在考虑到新能源存在出力波动大,近似零成本等特性下,针对新能源产业提供合适的日前报价策略,即,通过借助日前预测价格与实时预测价格的大小关系,来权衡正/负现货的市场去向,实现发电收益的最大化,提高了报价策略制定的泛化性,且无须复杂的建模过程,在保证收益提升的同时,提高了策略的制定效率。
请参考图1,其示出了本申请一个示例性实施例提供的实施环境示意图。该实施环境包括:终端110、服务器120和通信网络130。
终端110用于为资源兑换策略的生成提供相关数据,上述数据包括但不限于功率预测数据、资源区间数据等。终端110包括手机、平板电脑、台式电脑、便携式笔记本电脑等多种形式的终端设备。
服务器120用于为终端提供资源兑换策略的生成功能。服务器120接收终端110上传的功率预测数据、资源区间数据,同时获取随机初始化得到的初始兑换策略,基于功率预测数据和资源区间数据对初始兑换策略进行替换操作,生成包括目标数量的可行兑换策略的策略集合,通过效益计算模块得到每个可行兑换策略对应的效益数据,基于每个可行兑换策略对应的效益数据,从策略集合中确定出目标兑换策略,并将目标兑换策略下发至终端110中。
值得注意的是,上述服务器120可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
其中,云技术(Cloud Technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源,如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用,将来每个物品都有可能存在自己的识别标志,都需要传输到后台系统进行逻辑处理,不同程度级别的数据将会分开处理,各类行业数据皆需要强大的系统后盾支撑,只能通过云计算来实现。
在一些实施例中,上述服务器120还可以实现为区块链系统中的节点。区块链(Blockchain)是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链,本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中,用户管理模块负责所有区块链参与者的身份信息管理,包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等,并且在授权的情况下,监管和审计某些真实身份的交易情况,提供风险控制的规则配置(风控审计);基础服务模块部署在所有区块链节点设备上,用来验证业务请求的有效性,并对有效请求完成共识后记录到存储上,对于一个新的业务请求,基础服务先对接口适配解析和鉴权处理(接口适配),然后通过共识算法将业务信息加密(共识管理),在加密之后完整一致的传输至共享账本上(网络通信),并进行记录存储;智能合约模块负责合约的注册发行以及合约触发和合约执行,开发人员可以通过某种编程语言定义合约逻辑,发布到区块链上(合约注册),根据合约条款的逻辑,调用密钥或者其它的事件触发执行,完成合约逻辑,同时还提供对合约升级注销的功能;运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出。
示意性的,上述资源兑换策略的生成功能也可以作为本地功能集成于终端110中,在此不进行限定。
示意性的,终端110和服务器120之间通过通信网络130连接。
请参考图2,其示出了本申请一个实施例示出的资源兑换的策略生成方法,在本申请实施例中,以该方法应用于如图1所示的服务器中为例进行说明,该方法也可以作为本地功能集成于终端中,本申请不对具体的实现硬件进行限定。在本申请实施例中,以该方法应用于日前市场中日前报价策略的生成中,所述方法包括如下步骤。
步骤201,获取功率预测数据、资源区间数据和初始兑换策略。
上述功率预测数据用于指示对预设时段内预测得到的发电功率,资源区间数据用于提供对预设时段内对电力进行兑换的资源的范围,初始兑换策略中包括具有对应关系的功率数据和兑换资源数据。在本申请实施例中,针对日前报价策略的生成,上述预设时段为当前日期的次日。
在一些实施例中,上述功率预测数据包括短期预测曲线,该短期预测曲线用于指示次日电力功率的输出预测情况。示意性的,上述短期预测曲线可以是通过终端上传获取的,也可以是通过预设软件生成的,在此不进行限定。
上述资源区间数据包括用于电力兑换的资源的上限数据和下限数据,例如,该资源区间数据包括最低报价和最高报价。
上述初始兑换策略可以是从终端获取的,也可以是预存于数据库中的,还可以是根据预设约束条件随机生成的,在此不进行限定。示意性的,上述预设约束条件指示的内容包括:(1)功率数据(Power)满足单调递增且相邻元素差不小于0.1*装机容量;(2)兑换资源数据(Price)满足非递减。
步骤202,基于功率预测数据和资源区间数据对初始兑换策略进行替换操作,生成包括目标数量的可行兑换策略的策略集合。
在本申请实施例中,目标兑换策略的确定是基于模拟退火思想实现的,即对功率预测数据及资源区间数据所能组成的可行兑换策略进行随机寻优,以确定最终输出的目标兑换策略。
在一些实施例中,通过功率预测数据生成功率可行域,功率可行域中包括预设时段内发电功率、最小技术功率和最大技术功率。通过资源区间数据生成资源可行域,资源可行域中包括根据预设间隔对资源区间数据进行划分得到的兑换资源数据。从功率可行域中获取功率数据或从资源可行域中获取兑换资源数据以实现对初始兑换策略的替换操作。即,基于功率预测数据,生成功率可行域,基于资源区间数据,生成资源可行域,基于功率可行域、资源可行域和初始兑换策略,生成包括目标数量的可行兑换策略的策略集合。
在一个示例中,当功率预测数据为对新能源发电的短期预测曲线时,上述功率可行域是由短期预测曲线上的所有数值与{0,装机容量}组成的集合,即,针对新能源发电的最小技术功率为0,最大技术功率为装机容量;上述资源可行域是将区间[最低报价,最高报价]以10为间隔进行划分,得到的所有数值组成的集合。
示意性的,从功率可行域中获取预设数量的候选功率数据和/或从资源可行域中获取预设数量的候选兑换资源数据,以对初始兑换策略中的数据进行替换,得到候选兑换策略,若候选兑换策略满足上述预设约束条件,则将候选兑换策略确定为策略集合中的可行兑换策略。
在一些实施例中,设置有预设解集阈值,当策略集合中随机生成的可行兑换策略的数量满足上述预设解集阈值时,确定策略集合获取成功,否则,继续生成可行兑换策略。示意性的,上述预设解集阈值可以是终端指示的,也可以是系统预设的。
步骤203,确定策略集合中每个可行兑换策略对应的效益数据。
上述效益数据用于指示根据可行兑换策略中的功率数据和兑换资源数据所能获取的收益情况。
在本申请实施例中,发电总收益R收益由公式一确定,其中,Q中长期为中长期结算电力曲线,P中长期为中长期价格,Q日前为日前出清电力曲线,P日前为日前出清电价曲线,Q实时为实时上网电力曲线,P实时为实时出清电价曲线,在一个示例中,上述Q中长期、Q日前、P日前、Q实时、P实时均是以15分钟为时间间隔进行获取的数值,一天共包括96个数值。
公式一:R收益=Q中长期*P中长期+(Q日前-Q中长期)*P日前+(Q实时–Q日前)*P实时≈(P日前–P实时)*Q日前
由于日前报价仅作用于日前现货市场,即仅影响Q日前,即公式一中R收益中除了Q日前是待优化变量,其他变量均可视为常量,故,将收益公式近似为(P日前–P实时)*Q日前,从上述优化后的收益公式可以看出,当P日前>P实时时,Q日前越大,收益越大,当P日前<P实时时,Q日前越小,收益越大,即优化目标本质是通过借助日前预测价格与实时预测价格的大小关系,来权衡正/负现货的市场去向,实现发电收益的最大化。
在本申请实施例中,根据可行兑换策略中的功率数据和兑换资源数据确定以可行兑换策略影响下对应的出清电力曲线,通过上述出清电力曲线Q日前以及获取到的P日前和P实时,根据上述优化后的R收益的公式确定对应的效益数据。
步骤204,基于每个可行兑换策略对应的效益数据,从策略集合中确定出目标兑换策略。
示意性的,通过预设筛选方式,从策略集合中的可行兑换策略中筛选出目标兑换策略。可选的,上述目标兑换策略的确定可以是将策略集合中所有可行兑换策略对应的效益数据进行排序,将效益数据最高的可行兑换策略确定为目标兑换策略;上述目标兑换策略的确定还可以是根据可行兑换策略的获胜次数确定的,即,先将初始兑换策略作为待比对兑换策略,确定初始兑换策略对应的效益数据,将策略集合中可行兑换策略的效益数据与初始兑换策略对应的效益数据进行比对,若策略集合中可行兑换策略的效益数据优于初始兑换策略对应的效益数据,则将可行兑换策略作为待比对兑换策略,后续可行兑换策略的效益数据均与上述获胜的兑换策略的效益数据进行比对,否则初始兑换策略仍作为待比对兑换策略,且对应的获胜次数加1,根据最终待比对兑换策略对应的获胜次数确定目标兑换策略。
综上所述,本申请实施例提供的资源兑换的策略生成方法,当需要生成日前市场对应的资源兑换策略时,根据获取到的功率预测数据和资源区间数据对初始兑换策略进行替换操作,以生成包括目标数量的可行兑换策略的策略集合,根据策略集合中各个可行兑换策略对应的效益数据确定出目标兑换策略,将上述目标兑换策略提供为日前市场的资源兑换策略。上述资源兑换策略的生成方法能够应用于包括新能源在内的发电侧的日前报价确定中,优化了策略生成方法的应用场景,提高了新能源发电在电力现货市场中的竞争力。
请参考图3,其示出了本申请一个实施例示出的资源兑换的策略生成方法,所述方法包括如下步骤。
步骤301,获取功率预测数据、资源区间数据和初始兑换策略。
上述功率预测数据用于指示对预设时段内预测得到的发电功率,资源区间数据用于提供对预设时段内对电力进行兑换的资源的范围,初始兑换策略中包括具有对应关系的功率数据和兑换资源数据。在本申请实施例中,针对日前报价策略的生成,上述预设时段为当前日期的次日。上述初始兑换策略满足预设约束条件。
步骤302,基于功率预测数据,生成功率可行域。
示意性的,当功率预测数据为对新能源发电的短期预测曲线时,上述功率可行域是由短期预测曲线上的所有数值与{0,装机容量}组成的集合,即,针对新能源发电的最小技术功率为0,最大技术功率为装机容量。
步骤303,基于资源区间数据,生成资源可行域。
示意性的,上述资源可行域是将区间[最低报价,最高报价]以10为间隔进行划分,得到的所有数值组成的集合。
步骤3041,从功率可行域中获取预设数量的候选功率数据,对初始兑换策略中的功率数据进行替换,得到候选兑换策略。
在一个示例中,从功率可行域中获取一个候选功率数据,对初始兑换策略中的功率数据进行替换,得到候选兑换策略,该候选兑换策略用于确定组成策略集合中的可行兑换策略。
步骤3042,从资源可行域中获取预设数量的候选兑换资源数据,对初始兑换策略中的兑换资源数据进行替换,得到候选兑换策略。
在一个实施例中,从资源可行域中获取一个候选兑换资源数据,对初始兑换策略中的兑换资源数据进行替换,得到候选兑换策略,该候选兑换策略用于确定组成策略集合中的可行兑换策略。
步骤305,响应于候选兑换策略满足预设约束条件,将候选兑换策略报价确定为可行兑换策略。
将上述通过替换操作得到的候选兑换实施例依照预设约束条件进行筛选,若候选兑换策略满足预设约束条件,则将候选兑换策略确定为可行兑换策略。上述预设约束条件指示的内容包括:(1)功率数据(Power)满足单调递增且相邻元素差不小于0.1*装机容量;(2)兑换资源数据(Price)满足非递减。
步骤306,响应于策略集合中可行兑换策略的数量达到预设解集阈值,将至少两个可行兑换策略分别输入至效益计算模块,输出得到每个可行兑换策略对应的效益数据。
在本申请实施例中,当策略集合中可行兑换策略的数量达到预设解集阈值时,确定策略集合收集完成,将该策略集合输入至效益计算模块,以确定策略集合中每个可行兑换策略对应的效益数据。
示意性的,响应于策略集合中可行兑换策略的数量达到预设解集阈值,获取资源预测曲线,资源预测曲线用于指示对预设时段内电力交换对应的资源兑换情况;基于资源预测曲线确定可行兑换策略对应的出清电力曲线;基于出清电力曲线确定可行兑换策略对应的效益数据。即,效益计算模块通过确定在可行兑换策略下对应的出清电力曲线,以对效益数据进行计算。上述出清电力曲线包括日前出清电力曲线,其中,日前出清电力曲线的确定方法包括结合功率预测数据(功率预测曲线)、日前报价以及供需关系等约束信息,优化出清的一条电力曲线,上述日前报价由可行兑换策略中功率数据与兑换资源数据的对应关系确定,供需关系信息为预获取的信息,该信息可以是从数据库中读取的,也可以是终端上传得到的。
示意性的,在本申请实施例中,上述出清电力曲线的根据可行兑换策略中的功率数据以及兑换资源数据来确定,其中,可行兑换策略中的功率数据组成Power向量,Power向量中每一个元素即一个功率值(功率数据),兑换资源数据组成Price向量表示,Price向量中每一个元素即一个价格(兑换资源数据)。
示意性的,上述资源预测曲线包括n个资源数值,n为正整数,效益计算模块获取资源预测曲线中的第i个资源数值,0<i≤n且i为整数,获取可行兑换策略的兑换资源数据中兑换资源数据最接近所述第i个资源数值且不超过第i个资源数值的索引位置,获取可行兑换策略中索引位置对应的第一功率数据,第一功率数据为可行兑换策略中目标时刻的功率数据,获取功率预测数据中目标时刻对应的第二功率数据,将第一功率数据和第二功率数据中的较小值作为第i个出清电力数值,上述第i个出清电力数值与目标时刻对应,响应于获取到n个出清电力数值,生成上述可行兑换策略对应的出清电力曲线。
在一个示例中,上述资源预测曲线为日前电价预测曲线,即,循环遍历日前电价预测的每个价格数值ai,找到Price向量中最接近且不超过ai的索引位置,获取该索引位置对应Power向量的数值,记为xj,将xj与短期预测曲线中的bi取最小,得到该时刻对应的日前出清电力数值ci,循环结束得到完整的日前出清电力曲线。
在确定可行兑换策略对应的出清电力曲线之后,即可根据公式一优化得到的R收益的计算公式来确定对应的收益数据,其中,(P日前–P实时)*Q日前中的Q日前即为上述方式得到的出清电力曲线,P日前和P实时均为从数据库或终端获取的已知信息。
在策略集合中的可行兑换策略均完成收益数据的确定之后,需要确定策略集合对应的最优解。
步骤307,基于每个可行兑换策略对应的效益数据,从策略集合中确定出目标兑换策略。
可选的,上述策略集合的数量可以是一个,也可以是多个。当上述策略集合的数量为一个时,上述策略集合对应的预设解集阈值为当前功率可行域、资源可行域能够确定的所有可行兑换策略的数量,即,从所有可能的可行兑换策略中挑选出目标兑换策略。当上述策略集合为多个时,每个策略集合对应可行兑换策略数量相同,策略集合之间允许存在相同的可行兑换策略。
在本申请实施例中,针对策略集合的数量为多个为例进行说明。示意性的,策略集合的数量为k个,k为正整数,获取初始兑换策略对应的比对效益数据;将初始兑换策略作为待比对兑换策略,并对获胜次数进行初始化;获取第j个策略集合中的最优兑换策略,最优兑换策略为第j个策略集合的所有可行兑换策略中效益数据最优的可行兑换策略;响应于第j个策略集合中的最优兑换策略的收益数据高于比对效益数据,将第j个策略集合中的最优兑换策略作为待比对兑换策略,并对获胜次数进行初始化;或,响应于第j个策略集合中的最优兑换策略的收益数据小于等于比对效益数据,对获胜次数进行累加;其中,0<j≤k,且j为整数;响应于获胜次数达到预设容忍阈值,将当前的待比对兑换策略确定为目标兑换策略。
即,当生成一个策略集合之后,对该策略集合中所有的可行兑换策略进行效益数据的计算,得到每个可行兑换策略对应的效益数据,并根据每个可行兑换策略对应的效益数据从当前策略集合中确定出效益数据最高的可行兑换策略,作为当前策略集合中的最优兑换策略,示意性的,当存在多个效益数据相同且最高的可行兑换策略时,则随机保留一个座位最优兑换策略。将当前策略集合的最优兑换策略与当前的待比对兑换策略进行比较,若当前策略集合的最优兑换策略对应的效益数据高于当前待比对兑换策略的效益数据,则将上述最优兑换策略替换初始兑换策略,即将上述最优兑换策略作为待比对兑换策略,并将待对比对兑换策略对应的获胜次数初始化为0;若当前策略集合的最优兑换策略对应的效益数据小于等于当前待比对兑换策略的效益数据,则仍将上述初始兑换策略保持为待比对兑换策略,并将获胜次数加1。然后对待比对兑换策略对应的获胜次数与预设容忍阈值进行比较,若当前待比对兑换策略的获胜次数达到预设容忍阈值,则将当前待比对兑换策略确定为目标兑换策略,若当前待比对兑换策略的获胜次数还未达到预设容忍阈值,则保留上述比对过程后的待比对兑换策略,并继续随机生成策略集合,执行上述最优兑换策略与待比对兑换策略之间的比较过程。
综上所述,本申请实施例提供的资源兑换的策略生成方法,当需要生成日前市场对应的资源兑换策略时,根据获取到的功率预测数据和资源区间数据对初始兑换策略进行替换操作,以生成包括目标数量的可行兑换策略的策略集合,根据策略集合中各个可行兑换策略对应的效益数据确定出目标兑换策略,将上述目标兑换策略提供为日前市场的资源兑换策略。上述资源兑换策略的生成方法能够应用于包括新能源在内的发电侧的日前报价确定中,优化了策略生成方法的应用场景,提高了新能源发电在电力现货市场中的竞争力。
在一个示例中,如图4所示,其示出了本申请一个示例性实施例提供的资源兑换的策略生成算法的流程图,该算法包括:
步骤401,随机生成初始解。
上述初始解即为初始兑换策略,初始解包括Power向量和Price向量,Power=[x1,x2,…,xn],Price=[y1,y2,…,yn],其中,n为报价段的数量,n∈[1,10]。
步骤402,生成可行解集。
上述可行解集即为策略集合,其中,步骤402中又包括步骤4021~步骤4022。
步骤4021,随机生成一个可行解。
上述可行解即为可行兑换策略,从功率可行域中随机获取一个值,以替换Power向量中的元素,如将上述Power中的x2替换为功率可行域中的p2,得到的可行解为Power1=[x1,p2,…,xn],Price1=[y1,y2,…,yn];或,从价格可行域中随机获取一个值,以替换Price向量中的元素,如将上述Price中的y2替换为价格可行域中的q2,得到的可行解为Power2=[x1,x2,…,xn],Price2=[y1,q2,…,yn]。其中,在可行解的生成过程中,可行解需满足预设约束条件。
步骤4022,判断可行解集中可行解的数量是否达到预设解集阈值,若是,则执行步骤403,若否,则执行步骤4021。
步骤403,将可行解集输入至效益计算模块。
效益计算模块对可行解集中所有可行解对应的效益数据进行计算,并获取可行解集对应的最优解(最优兑换策略),将最优解与当前最优解(待比对兑换策略)进行比较,确定最终的当前最优解及对应的获胜次数。
步骤404,判断获胜次数是否达到预设容忍阈值,若是,则执行步骤405,若否,则执行步骤402。
步骤405,将当前最优解作为最终解输出。
上述最终解即为算法输出的目标兑换策略,该最终解的本质是通过借助日前预测价格与实时预测价格的大小关系,来权衡正/负现货的市场去向,实现发电收益的最大化。
请参考图5,其示出了本申请一个示例性的实施例提供的资源兑换的策略生成装置结构框图,该装置包括如下模块:
获取模块510,用于获取功率预测数据、资源区间数据和初始兑换策略,所述功率预测数据用于指示对预设时段内预测得到的发电功率,所述资源区间数据用于提供对所述预设时段内对电力进行兑换的资源的范围,所述初始兑换策略中包括具有对应关系的功率数据和兑换资源数据;
生成模块520,用于基于所述功率预测数据和所述资源区间数据对所述初始兑换策略进行替换操作,生成包括目标数量的可行兑换策略的策略集合;
确定模块530,用于确定所述策略集合中每个可行兑换策略对应的效益数据;
所述确定模块530,还用于基于所述每个可行兑换策略对应的效益数据,从所述策略集合中确定出目标兑换策略。
在一个可选的实施例中,所述生成模块520,还用于基于所述功率预测数据,生成功率可行域,所述功率可行域中包括所述预设时段内发电功率、最小技术功率和最大技术功率;
所述生成模块520,还用于基于所述资源区间数据,生成资源可行域,所述资源可行域中包括根据预设间隔对所述资源区间数据进行划分得到的兑换资源数据;
所述生成模块520,还用于基于所述功率可行域、所述资源可行域和所述初始兑换策略,生成包括目标数量的可行兑换策略的策略集合。
在一个可选的实施例中,所述初始兑换策略满足预设约束条件;
如图6所示,所述生成模块520还包括:
替换单元521,用于从所述功率可行域中获取预设数量的候选功率数据,对所述初始兑换策略中的功率数据进行替换,得到候选兑换策略;或者,从所述资源可行域中获取预设数量的候选兑换资源数据,对所述初始兑换策略中的兑换资源数据进行替换,得到所述候选兑换策略;
第一确定单元522,用于响应于所述候选兑换策略满足所述预设约束条件,将所述候选兑换策略报价确定为所述可行兑换策略。
在一个可选的实施例中,所述确定模块530,还用于响应于所述策略集合中可行兑换策略的数量达到预设解集阈值,将所述至少两个可行兑换策略分别输入至效益计算模块,输出得到所述每个可行兑换策略对应的效益数据。
在一个可选的实施例中,所述确定模块530还包括:
获取单元531,用于响应于所述策略集合中可行兑换策略的数量达到预设解集阈值,获取资源预测曲线,所述资源预测曲线用于指示对所述预设时段内电力交换对应的资源兑换情况;
第二确定单元532,用于基于所述资源预测曲线确定所述可行兑换策略对应的出清电力曲线;
所述第二确定单元532,还用于基于所述出清电力曲线确定所述可行兑换策略对应的效益数据。
在一个可选的实施例中,所述资源预测曲线包括n个资源数值,n为正整数;
所述获取单元531,还用于获取所述资源预测曲线中的第i个资源数值,0<i≤n且i为整数;
所述获取单元531,还用于获取所述可行兑换策略的兑换资源数据中兑换资源数据最接近所述第i个资源数值且不超过所述第i个资源数值的索引位置;
所述获取单元531,还用于获取所述可行兑换策略中所述索引位置对应的第一功率数据,所述第一功率数据为所述可行兑换策略中目标时刻的功率数据;
所述获取单元531,还用于获取所述功率预测数据中所述目标时刻对应的第二功率数据;
所述第二确定单元532,还用于将所述第一功率数据和所述第二功率数据中的较小值作为第i个出清电力数值,所述第i个出清电力数值与所述目标时刻对应;
所述第二确定单元532,还用于响应于获取到n个出清电力数值,生成所述可行兑换策略对应的出清电力曲线。
在一个可选的实施例中,所述策略集合的数量为k个,k为正整数;
所述获取单元531,还用于获取所述初始兑换策略对应的比对效益数据;
所述第二确定单元532,还用于将所述初始兑换策略作为待比对兑换策略,并对获胜次数进行初始化;
所述获取单元531,还用于获取第j个策略集合中的最优兑换策略,所述最优兑换策略为第j个策略集合的所有可行兑换策略中效益数据最优的可行兑换策略;
所述第二确定单元532,还用于响应于所述第j个策略集合中的最优兑换策略的收益数据高于所述比对效益数据,将所述第j个策略集合中的最优兑换策略作为所述待比对兑换策略,并对所述获胜次数进行初始化;或,响应于所述第j个策略集合中的最优兑换策略的收益数据小于等于所述比对效益数据,对所述获胜次数进行累加;其中,0<j≤k,且j为整数;
所述第二确定单元532,还用于响应于所述获胜次数达到预设容忍阈值,将当前的待比对兑换策略确定为所述目标兑换策略。
综上所述,本申请实施例提供的资源兑换的策略生成装置,当需要生成日前市场对应的资源兑换策略时,根据获取到的功率预测数据和资源区间数据对初始兑换策略进行替换操作,以生成包括目标数量的可行兑换策略的策略集合,根据策略集合中各个可行兑换策略对应的效益数据确定出目标兑换策略,将上述目标兑换策略提供为日前市场的资源兑换策略。上述资源兑换策略的生成方法能够应用于包括新能源在内的发电侧的日前报价确定中,优化了策略生成方法的应用场景,提高了新能源发电在电力现货市场中的竞争力。
需要说明的是:上述实施例提供的资源兑换的策略生成装置,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的资源兑换的策略生成装置与资源兑换的策略生成方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7示出了本申请一个示例性实施例提供的服务器的结构示意图。具体来讲包括如下结构。
服务器700包括中央处理单元(Central Processing Unit,CPU)701、包括随机存取存储器(Random Access Memory,RAM)702和只读存储器(Read Only Memory,ROM)703的系统存储器704,以及连接系统存储器704和中央处理单元701的系统总线705。服务器700还包括用于存储操作系统713、应用程序714和其他程序模块715的大容量存储设备706。
大容量存储设备706通过连接到系统总线705的大容量存储控制器(未示出)连接到中央处理单元701。大容量存储设备706及其相关联的计算机可读介质为服务器700提供非易失性存储。也就是说,大容量存储设备706可以包括诸如硬盘或者紧凑型光盘只读存储器(Compact Disc Read Only Memory,CD-ROM)驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、带电可擦可编程只读存储器(Electrically Erasable Programmable Read Only Memory,EEPROM)、闪存或其他固态存储其技术,CD-ROM、数字通用光盘(Digital Versatile Disc,DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器704和大容量存储设备706可以统称为存储器。
根据本申请的各种实施例,服务器700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器700可以通过连接在系统总线705上的网络接口单元711连接到网络712,或者说,也可以使用网络接口单元711来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。
本申请的实施例还提供了一种计算机设备,该计算机设备包括处理器和存储器,该存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的生物识别方法。可选地,该计算机设备可以是终端,也可以是服务器。
本申请的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行,以实现上述各方法实施例提供的生物识别方法。
本申请的实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中任一所述的生物识别方法。
可选地,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、固态硬盘(SSD,Solid State Drives)或光盘等。其中,随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,Resistance RandomAccess Memory)和动态随机存取存储器(DRAM,Dynamic Random Access Memory)。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种资源兑换的策略生成方法,其特征在于,所述方法包括:
获取功率预测数据、资源区间数据和初始兑换策略,所述功率预测数据用于指示对预设时段内预测得到的发电功率,所述资源区间数据用于提供对所述预设时段内对电力进行兑换的资源的范围,所述初始兑换策略中包括具有对应关系的功率数据和兑换资源数据;
基于所述功率预测数据和所述资源区间数据对所述初始兑换策略进行替换操作,生成包括目标数量的可行兑换策略的策略集合;
确定所述策略集合中每个可行兑换策略对应的效益数据;
基于所述每个可行兑换策略对应的效益数据,从所述策略集合中确定出目标兑换策略。
2.根据权利要求1所述的方法,其特征在于,所述基于所述功率预测数据和所述资源区间数据对所述初始兑换策略进行替换操作,生成包括目标数量的可行兑换策略的策略集合,包括:
基于所述功率预测数据,生成功率可行域,所述功率可行域中包括所述预设时段内发电功率、最小技术功率和最大技术功率;
基于所述资源区间数据,生成资源可行域,所述资源可行域中包括根据预设间隔对所述资源区间数据进行划分得到的兑换资源数据;
基于所述功率可行域、所述资源可行域和所述初始兑换策略,生成包括目标数量的可行兑换策略的策略集合。
3.根据权利要求2所述的方法,其特征在于,所述初始兑换策略满足预设约束条件;
所述基于所述功率可行域、所述资源可行域和所述初始兑换策略,生成包括目标数量的可行兑换策略的策略集合资源可行域,包括:
从所述功率可行域中获取预设数量的候选功率数据,对所述初始兑换策略中的功率数据进行替换,得到候选兑换策略;或者,从所述资源可行域中获取预设数量的候选兑换资源数据,对所述初始兑换策略中的兑换资源数据进行替换,得到所述候选兑换策略;
响应于所述候选兑换策略满足所述预设约束条件,将所述候选兑换策略报价确定为所述可行兑换策略。
4.根据权利要求1至3任一所述的方法,其特征在于,所述确定所述策略集合中每个可行兑换策略对应的效益数据,包括:
响应于所述策略集合中可行兑换策略的数量达到预设解集阈值,将所述至少两个可行兑换策略分别输入至效益计算模块,输出得到所述每个可行兑换策略对应的效益数据。
5.根据权利要求4所述的方法,其特征在于,所述响应于所述策略集合中可行兑换策略的数量达到预设解集阈值,将所述至少两个可行兑换策略分别输入至效益计算模块,输出得到所述每个可行兑换策略对应的效益数据,包括:
响应于所述策略集合中可行兑换策略的数量达到预设解集阈值,获取资源预测曲线,所述资源预测曲线用于指示对所述预设时段内电力交换对应的资源兑换情况;
基于所述资源预测曲线确定所述可行兑换策略对应的出清电力曲线;
基于所述出清电力曲线确定所述可行兑换策略对应的效益数据。
6.根据权利要求5所述的方法,其特征在于,所述资源预测曲线包括n个资源数值,n为正整数;
所述基于所述资源预测曲线确定所述可行兑换策略对应的出清电力曲线,包括:
获取所述资源预测曲线中的第i个资源数值,0<i≤n且i为整数;
获取所述可行兑换策略的兑换资源数据中兑换资源数据最接近所述第i个资源数值且不超过所述第i个资源数值的索引位置;
获取所述可行兑换策略中所述索引位置对应的第一功率数据,所述第一功率数据为所述可行兑换策略中目标时刻的功率数据;
获取所述功率预测数据中所述目标时刻对应的第二功率数据;
将所述第一功率数据和所述第二功率数据中的较小值作为第i个出清电力数值,所述第i个出清电力数值与所述目标时刻对应;
响应于获取到n个出清电力数值,生成所述可行兑换策略对应的出清电力曲线。
7.根据权利要求1至3任一所述的方法,其特征在于,所述策略集合的数量为k个,k为正整数;
所述基于所述每个可行兑换策略对应的效益数据,从所述策略集合中确定出目标兑换策略,包括:
获取所述初始兑换策略对应的比对效益数据;
将所述初始兑换策略作为待比对兑换策略,并对获胜次数进行初始化;
获取第j个策略集合中的最优兑换策略,所述最优兑换策略为第j个策略集合的所有可行兑换策略中效益数据最优的可行兑换策略;
响应于所述第j个策略集合中的最优兑换策略的收益数据高于所述比对效益数据,将所述第j个策略集合中的最优兑换策略作为所述待比对兑换策略,并对所述获胜次数进行初始化;或,响应于所述第j个策略集合中的最优兑换策略的收益数据小于等于所述比对效益数据,对所述获胜次数进行累加;其中,0<j≤k,且j为整数;
响应于所述获胜次数达到预设容忍阈值,将当前的待比对兑换策略确定为所述目标兑换策略。
8.一种资源兑换的策略生成装置,其特征在于,所述装置包括:
获取模块,用于获取功率预测数据、资源区间数据和初始兑换策略,所述功率预测数据用于指示对预设时段内预测得到的发电功率,所述资源区间数据用于提供对所述预设时段内对电力进行兑换的资源的范围,所述初始兑换策略中包括具有对应关系的功率数据和兑换资源数据;
生成模块,用于基于所述功率预测数据和所述资源区间数据对所述初始兑换策略进行替换操作,生成包括目标数量的可行兑换策略的策略集合;
确定模块,用于确定所述策略集合中每个可行兑换策略对应的效益数据;
所述确定模块,还用于基于所述每个可行兑换策略对应的效益数据,从所述策略集合中确定出目标兑换策略。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的资源兑换的策略生成方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条程序代码,所述程序代码由处理器加载并执行以实现如权利要求1至7任一所述的资源兑换的策略生成方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117187.XA CN113935767A (zh) | 2021-09-23 | 2021-09-23 | 资源兑换的策略生成方法、装置、设备及介质 |
PCT/SG2022/050677 WO2023048642A2 (en) | 2021-09-23 | 2022-09-21 | Method and apparatus for generating resource exchange policies, and device and medium thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117187.XA CN113935767A (zh) | 2021-09-23 | 2021-09-23 | 资源兑换的策略生成方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113935767A true CN113935767A (zh) | 2022-01-14 |
Family
ID=79276595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111117187.XA Pending CN113935767A (zh) | 2021-09-23 | 2021-09-23 | 资源兑换的策略生成方法、装置、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113935767A (zh) |
WO (1) | WO2023048642A2 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080228553A1 (en) * | 2007-03-12 | 2008-09-18 | Airtricity Holdings Limited | Method And System For Determination Of An Appropriate Strategy For Supply Of Renewal Energy Onto A Power Grid |
CN107492886A (zh) * | 2017-08-28 | 2017-12-19 | 国网福建省电力有限公司 | 一种区域电力市场下含风电的电网月度购电方案优化方法 |
US11055732B2 (en) * | 2018-09-12 | 2021-07-06 | Mitsubishi Electric Research Laboratories, Inc. | Day-ahead joint generation scheduling and bidding optimization for power plants |
CN112001744A (zh) * | 2020-07-28 | 2020-11-27 | 安徽电力交易中心有限公司 | 电力现货市场基于前景理论的发电商辅助报价系统和方法 |
-
2021
- 2021-09-23 CN CN202111117187.XA patent/CN113935767A/zh active Pending
-
2022
- 2022-09-21 WO PCT/SG2022/050677 patent/WO2023048642A2/en unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023048642A3 (en) | 2023-06-08 |
WO2023048642A2 (en) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tushar et al. | Peer-to-peer trading in electricity networks: An overview | |
Chen et al. | Local energy trading behavior modeling with deep reinforcement learning | |
Fan et al. | Fuzzy day‐ahead scheduling of virtual power plant with optimal confidence level | |
Liu et al. | Blockchain-based renewable energy trading using information entropy theory | |
Alahyari et al. | Hybrid uncertainty‐based offering strategy for virtual power plants | |
Zahid et al. | Balancing electricity demand and supply in smart grids using blockchain | |
CN115438873A (zh) | 一种基于区块链和深度强化学习的电力调度方法 | |
Amjady et al. | Stochastic security‐constrained joint market clearing for energy and reserves auctions considering uncertainties of wind power producers and unreliable equipment | |
Peng et al. | A novel deep learning based peer‐to‐peer transaction method for prosumers under two‐stage market environment | |
Panda et al. | Economic risk‐based bidding strategy for profit maximisation of wind‐integrated day‐ahead and real‐time double‐auctioned competitive power markets | |
CN114943565A (zh) | 基于智能算法的电力现货价格预测方法及装置 | |
Alipour et al. | Microgrid energy management: how uncertainty modelling impacts economic performance | |
Yazdaninejad et al. | Risk‐minimizing stochastic self‐scheduling model for microgrid in day‐ahead electricity market | |
Kumar et al. | Blockchain based optimized energy trading for e-mobility using quantum reinforcement learning | |
Chen et al. | Distributed power trading system based on blockchain technology | |
Yin et al. | Trading mode design for a virtual power plant based on main-side consortium blockchains | |
Wang et al. | Optimal dispatch of integrated energy system considering integrated demand response resource trading | |
Dai et al. | Electrical peak demand forecasting-A review | |
Aghajani et al. | Optimal energy storage sizing and offering strategy for the presence of wind power plant with energy storage in the electricity market | |
Huang et al. | Portfolio management for a wind‐storage system based on distributionally robust optimisation considering a flexible ramping product | |
Lv et al. | Hierarchical learning optimisation method for the coordination dispatch of the inter‐regional power grid considering the quality of service index | |
Guan et al. | Integrated resource scheduling and bidding in the deregulated electric power market: New challenges | |
Marinho et al. | Redispatch index for assessing bidding zone delineation | |
Kosak et al. | An approach to robust resource allocation in large-scale systems of systems | |
CN113822707B (zh) | 电力市场的出力决策方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |