基于遗传算法的电价优化方法及装置制造方法及图纸

本发明专利技术提供一种基于遗传算法的电价优化方法及装置，其中所述基于遗传算法的电价优化方法包括：获取M个原始种群，原始种群包括多个个体，多个个体分别为日前一个预设时段内不同时刻的初始电价；针对每一个原始种群，利用遗传算法对原始种群进行迭代更新处理，在达到迭代终止条件的情况下得到目标种群，目标种群包括多个目标子个体，目标子个体为对原始种群中的部分个体对应的原始电价进行更新后的更新电价；基于每一个目标种群中各目标子个体，确定当日每个预设时段的优化电价。通过上述方法，提高了电能源的利用率，对当日每个预设时段的电价进行优化，能够实现虚拟电厂控制中心盈利最大化及虚拟电厂运营成本最小化。盈利最大化及虚拟电厂运营成本最小化。盈利最大化及虚拟电厂运营成本最小化。

【技术实现步骤摘要】
基于遗传算法的电价优化方法及装置


[0001]本专利技术涉及计算机
，尤其涉及一种基于遗传算法的电价优化方法及装置。

技术介绍

[0002]近年来在能源短缺的背景下，分布式能源进入一个快速发展期。分布式能源无疑是电力市场中的重要组成部分，但由于其容量小、数量大以及不稳定性使得单机成本接入高并且给电网的稳定运行带来巨大挑战。虚拟电厂(Virtual Power Plant，VPP)作为目前解决多个分布式能源并网问题的主要方法之一，可以将可控负荷、分布式电源和储能设备通信聚合成一个整体，作为一个特殊电厂参与电网的运行调度，有效的实现新能源的高效开发利用，推动智能电网的建设。其中，对电价进行合理的定价对于实现电能源的高效开发利用尤为重要。
[0003]然而，如何对电价进行合理的定价以提高电能源的利用率是目前业界亟待解决的重要课题。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种基于遗传算法的电价优化方法及装置。
[0005]本专利技术提供一种基于遗传算法的电价优化方法，包括：
[0006]获取M个原始种群，每一个所述原始种群对应日前一个预设时段，所述原始种群包括多个个体，所述多个个体分别为所述日前一个预设时段内不同时刻的初始电价，M为正整数；
[0007]针对每一个所述原始种群，利用遗传算法对所述原始种群进行迭代更新处理，在达到迭代终止条件的情况下得到目标种群，所述目标种群包括多个目标子个体，所述目标子个体为对所述原始种群中的部分个体对应的原始电价进行更新后的更新电价；
[0008]基于每一个所述目标种群中各所述目标子个体，确定当日每个预设时段的优化电价。
[0009]可选地，所述利用遗传算法对所述原始种群进行迭代更新处理，在达到迭代终止条件的情况下得到目标种群，包括：
[0010]计算所述原始种群中每个所述个体对应的适应度函数值；
[0011]基于各所述适应度函数值，利用轮盘赌算法从所述原始种群中选取至少一个所述个体进行复制，将复制后的所述个体作为初始个体；
[0012]将多个所述初始个体依次进行交叉运算、变异运算，得到下一代子种群，所述第一子种群包括多个子个体；
[0013]计算每个所述子个体对应的适应度函数值，基于所述子个体对应的适应度函数值对所述下一代种群进行迭代更新处理，在达到迭代终止条件的情况下得到所述目标种群。
[0014]可选地，所述在达到迭代终止条件的情况下得到所述目标种群，包括：
[0015]在第一个体的适应度函数值不再增大的情况下，将当前种群作为所述目标种群，所述第一个体为所述原始种群中适应度函数值最大的初始个体。
[0016]可选地，所述基于每一个所述目标种群中各所述目标子个体，确定当日每个预设时段的优化电价，包括：
[0017]基于每一个所述目标种群中各所述目标子个体，确定各所述目标子个体对应的适应度函数值；
[0018]将各所述目标种群中适应度函数值最大的目标子个体对应的所述更新电价确定为当日每个预设时段的所述优化电价。
[0019]可选地，所述适应度函数值通过以下公式(1)计算得到：
[0020][0021]其中，maxL为所述适应度函数值；为t时刻虚拟电厂和虚拟电厂控制中心的交易电价；为各所述虚拟电厂与所述虚拟电厂控制中心的交易电量；和分别为t时刻所述虚拟电厂控制中心向实时市场的售电价和购电价；π为日前市场不同时刻的合同电价；E为日前市场不同时刻的合同电量；和为t时刻从所述实时市场出售的电量和购入的电量。
[0022]可选地，所述优化电价满足预设电价约束条件，所述预设电价约束条件通过以下公式(2)、(3)表示：
[0023][0024][0025]其中，为t时所述虚拟电厂和所述虚拟电厂控制中心的交易电价；和分别为t时刻预设最低电价和最高电价；pavg为t时刻预设平均电价。
[0026]可选地，在所述基于每一个所述目标种群中各所述目标子个体，确定当日每个预设时段的优化电价之后，所述方法还包括：
[0027]将当日各时段的所述优化电价发送至所述虚拟电厂控制中心，以使所述虚拟电厂控制中心对当日电价进行调整。
[0028]本专利技术还提供一种基于遗传算法的电价优化装置，包括：
[0029]获取模块，用于获取M个原始种群，所述原始种群包括多个个体，所述多个个体分别为所述日前一个预设时段内不同时刻的初始电价，M为正整数；
[0030]更新模块，用于针对每一个所述原始种群，利用遗传算法对所述原始种群进行迭代更新处理，在达到迭代终止条件的情况下得到目标种群，所述目标种群包括多个目标子个体，所述目标子个体为对所述原始种群中的部分个体对应的原始电价进行更新后的更新
电价；
[0031]确定模块，用于基于每一个所述目标种群中各所述目标子个体，确定当日每个预设时段的优化电价。
[0032]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于遗传算法的电价优化方法。
[0033]本专利技术还提供一种非暂态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如上述任一种所述基于遗传算法的电价优化方法。
[0034]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于遗传算法的电价优化方法。
[0035]本专利技术提供的基于遗传算法的电价优化方法及装置，通过获取M个原始种群，利用遗传算法对每一个原始种群进行迭代更新处理，其中，每一个原始种群对应日前一个预设时段，每一个原始种群包括多个个体，即每个原始种群包括日前一个预设时段内不同时刻的初始电价；在达到迭代终止条件的情况下，基于每一个目标种群中各目标子个体，能够确定当日每个预设时段的优化电价，基于优化电价能够实时对当日发电量和购电量进行动态调整，从而提高电能源的利用率，同时，对当日每个预设时段的电价进行优化，能够实现虚拟电厂控制中心盈利最大化以及虚拟电厂运营成本最小化。
附图说明
[0036]为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。
[0037]图1是本专利技术提供的基于遗传算法的电价优化方法的流程示意图之一；
[0038]图2是本专利技术提供的基于遗传算法的电价优化方法的流程示意图之二；
[0039]图3是本专利技术提供的虚拟电厂控制中心运行框架示意图；
[0040]图4是本专利技术提供的基于遗传算法的电价优化装置的结构示意图；
[0041]图5是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0042]为使本专利技术的目的、技术方案和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的电价优化方法，其特征在于，包括：获取M个原始种群，每一个所述原始种群对应日前一个预设时段，所述原始种群包括多个个体，所述多个个体分别为所述日前一个预设时段内不同时刻的初始电价，M为正整数；针对每一个所述原始种群，利用遗传算法对所述原始种群进行迭代更新处理，在达到迭代终止条件的情况下得到目标种群，所述目标种群包括多个目标子个体，所述目标子个体为对所述原始种群中的部分个体对应的原始电价进行更新后的更新电价；基于每一个所述目标种群中各所述目标子个体，确定当日每个预设时段的优化电价。2.根据权利要求1所述的基于遗传算法的电价优化方法，其特征在于，所述利用遗传算法对所述原始种群进行迭代更新处理，在达到迭代终止条件的情况下得到目标种群，包括：计算所述原始种群中每个所述个体对应的适应度函数值；基于各所述适应度函数值，利用轮盘赌算法从所述原始种群中选取至少一个所述个体进行复制，将复制后的所述个体作为初始个体；将多个所述初始个体依次进行交叉运算、变异运算，得到下一代子种群，所述第一子种群包括多个子个体；计算每个所述子个体对应的适应度函数值，基于所述子个体对应的适应度函数值对所述下一代种群进行迭代更新处理，在达到迭代终止条件的情况下得到所述目标种群。3.根据权利要求1或2所述的基于遗传算法的电价优化方法，其特征在于，所述在达到迭代终止条件的情况下得到所述目标种群，包括：在第一个体的适应度函数值不再增大的情况下，将当前种群作为所述目标种群，所述第一个体为所述原始种群中适应度函数值最大的初始个体。4.根据权利要求1所述的基于遗传算法的电价优化方法，其特征在于，所述基于每一个所述目标种群中各所述目标子个体，确定当日每个预设时段的优化电价，包括：基于每一个所述目标种群中各所述目标子个体，确定各所述目标子个体对应的适应度函数值；将各所述目标种群中适应度函数值最大的目标子个体对应的所述更新电价确定为当日每个预设时段的所述优化电价。5.根据权利要求2
‑
4中任一项所述的基于遗传算法的电价优化方法，其特征在于，所述适应度函数值通过以下公式(1)计算得到：其中，maxL为所述适应度函数值；为t时刻虚拟电厂和虚拟电厂控制中心的交易电价；为各所述虚拟电厂与所述虚拟...

【专利技术属性】
技术研发人员：郭少勇，杨会峰，常子健，陈连栋，程凯，申培培，张磊，齐芫苑，刘畅，
申请(专利权)人：国网河北省电力有限公司信息通信分公司，
类型：发明
国别省市：