一种应用于虚拟电厂的价格激励方法及装置

摘要

本发明实施例公开了一种应用于虚拟电厂的价格激励方法，包括：通过反映虚拟电厂从电网获得的总激励的第一模型、反映虚拟电厂对聚合资源的总激励的第二模型和反映虚拟电厂资金消耗的第三模型，构建反映虚拟电厂的收益的第四模型，并以虚拟电厂的收益的最大化为目标，通过第四模型和所述第四模型的约束条件，计算每个聚合资源的内部定价参数。由此通过本方案实现的虚拟电厂的激励策略，深度挖掘了聚合资源参与需求响应能力潜力，在确保虚拟电厂满足总体响应指标的同时，有效提高虚拟电厂参与需求响应的全局收益。

说明书

技术领域

本发明涉及数据处理领域，尤其涉及一种应用于虚拟电厂的价格激励方法及壮汉子。

背景技术

虚拟电厂聚合可调度资源包括：直接可控的调度资源和间接激励的调度资源，其中，直接可控的调度资源是指虚拟电厂的能量管理系统可以通过发送调控指令，直接控制用电负荷、储能等装置的功率的设备。间接可控的调度资源是指能量管理系统不能直接控制的聚合资源，比如居民用电，是居民自主控制的。

当前为了保证电网安全稳定运行、对外可靠供电、各类电力生产工作有序进行，通常会对虚拟电厂聚合可调度资源进行优化调度，但是，通常只考虑了直接可控的调度资源，没有考虑间接激励的调度资源。这样就使得虚拟电厂对聚合可调度资源的优化程度有所欠缺。

发明内容

有鉴于此，本发明实施例公开了一种应用于虚拟电厂的价格激励方法，弥补了现有技术中缺少对间接激励资源应用于虚拟电厂调度优化的缺失，进而得到更佳的优化效果。

本发明实施例公开了一种应用于虚拟电厂的价格激励方法，包括：

构建反映虚拟电厂从电网获得的总激励的第一模型；

构建反映虚拟电厂对聚合资源的总激励的第二模型；所述第一模型和第二模型中均包含虚拟电厂对聚合资源的内部定价参数；

构建反映虚拟电厂资金消耗的第三模型；

通过反映虚拟电厂从电网获得的总激励的第一模型、反映虚拟电厂对聚合资源的总激励的第二模型和反映虚拟电厂资金消耗的第三模型，构建反映虚拟电厂的收益的第四模型；

确定反映虚拟电厂的收益的第四模型的约束条件；

以虚拟电厂的收益的最大化为目标，通过第四模型和所述第四模型的约束条件，计算每个聚合资源的内部定价参数。

可选的，还包括：

构建反映聚合资源参与需求响应的参与度的计及不确定性模型；所述计及不确定性模型表征聚合资源的激励水平和聚合资源参与需求响应的参与度的关系；

获取每个聚合资源的最大响应能力；

根据反映聚合资源参与需求响应的参与度的计及不确定性模型和每个聚合资源最大响应能力，构建反映每个聚合资源的实际响应能力的第五模型。

可选的，所述构建反映虚拟电厂从电网获得的总激励的第一模型，包括：

确定虚拟电厂向电网申报的电网激励价格；

通过虚拟电厂向电网申报的电网激励价格和反映每个聚合资源的实际响应能力的第五模型，构建反映虚拟电厂从电网获得的总激励的第一模型。

可选的，所述构建反映虚拟电厂对聚合资源的总激励的第二模型，包括：

通过每个聚合资源的内部定价参数和反映每个聚合资源的实际响应能力的第五模型，构建反映虚拟电厂对聚合资源的总激励的第二模型。

可选的，所述构建反映虚拟电厂资金消耗的第三模型，包括:

确定电网对虚拟电厂的惩罚价格以及虚拟电厂向电网申报的用户需求响应的总量；

通过电网对虚拟电厂的惩罚价格、虚拟电厂向电网申报的用户需求响应的总量以及反映每个聚合资源的实际响应能力的第五模型，构建反映电网对虚拟电厂的负激励的第六模型。

可选的，所述构建反映虚拟电厂资金消耗的第三模型，包括：

构建燃料成本模型、运维成本模型和环境成本模型；

通过燃料成本模型、运维成本模型和环境成本模型，构建虚拟电厂的成本模型。

可选的，所述以虚拟电厂的收益最大化为目标，通过第四模型和所述第四模型的约束条件，计算每个聚合资源的内部定价参数，包括：

确定所述第四模型中各个参数的初始值以及遗传算法参数的初始值；

通过遗传算法和第四模型中各个参数的初始值，以及遗传算法参数的初始值，对反映虚拟电厂收益的第四模型进行迭代计算；

当达到终止迭代的条件时，确定迭代终止时聚合资源的内部定价参数的值。

本发明实施例还公开了一种应用于虚拟电厂的价格激励装置，包括：

第一模型构建单元，用于构建反映虚拟电厂从电网获得的总激励的第一模型；

第二模型构建单元，用于构建反映虚拟电厂对聚合资源的总激励的第二模型；所述第一模型和第二模型中均包含虚拟电厂对聚合资源的内部定价参数；

第三模型构建单元，用于构建反映虚拟电厂资金消耗的第三模型；

第四模型构建单元，用于通过反映虚拟电厂从电网获得的总激励的第一模型、反映虚拟电厂对聚合资源的总激励的第二模型和反映虚拟电厂资金消耗的第三模型，构建反映虚拟电厂的收益的第四模型；

约束条件构建单元，用于确定反映虚拟电厂的收益的第四模型的约束条件；

计算单元，用于以虚拟电厂的收益的最大化为目标，通过第四模型和所述第四模型的约束条件，计算每个聚合资源的内部定价参数。

可选的，还包括：

计及不确定性模型构建单元，用于构建反映聚合资源参与需求响应的参与度的计及不确定性模型；所述计及不确定性模型表征聚合资源的激励水平和聚合资源参与需求响应的参与度的关系；

获取单元，用于获取每个聚合资源的最大响应能力；

第五模型构建单元，用于根据反映聚合资源参与需求响应的参与度的计及不确定性模型和每个聚合资源最大响应能力，构建反映每个聚合资源的实际响应能力的第五模型。

本发明实施例还公开了一种电子设备，包括：

存储器和处理器；

所述存储器用于存储程序；

所述处理器用于执行所述存储器中的程序时，执行上述权利要求1-7中任意一项所述的方法。

本发明实施例公开了一种应用于虚拟电厂的价格激励方法，包括：通过反映虚拟电厂从电网获得的总激励的第一模型、反映虚拟电厂对聚合资源的总激励的第二模型和反映虚拟电厂资金消耗的第三模型，构建反映虚拟电厂的收益的第四模型，并以虚拟电厂的收益的最大化为目标，通过第四模型和所述第四模型的约束条件，计算每个聚合资源的内部定价参数。由此通过本方案实现的虚拟电厂的激励策略，深度挖掘了聚合资源参与需求响应能力潜力，在确保虚拟电厂满足总体响应指标的同时，有效提高虚拟电厂参与需求响应的全局收益。

进一步的，本实施例中还考虑了虚拟电厂的成本，该成本表示的虚拟电厂对直接可控的分布式资源的考虑，也就是说，对于虚拟电厂的激励的定价的计算，还考虑了虚拟电厂直接可控的分布式资源，提升了虚拟电厂对于聚合资源激励的定价结果的准确性。

附图说明

为了更清楚地说明本发明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发明的实施例，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示出了本发明实施例提供的一种应用于虚拟电厂的价格激励方法的流程示意图；

图2示出了本发明实施例提供的一种构建反映每个聚合资源的实际响应能力的第五模型的流程示意图；

图3示出了聚合资源参与需求响应的参与度与聚合资源激励水平的关系的实例示意图；

图4示出了本发明实施例提供的一种计算每个聚合资源的内部定价参数的方法的流程示意图；

图5示出了本发明实施例提供的一种应用于虚拟电厂的价格激励装置的结构示意图；

图6示出了本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。

参考图1，示出了本发明实施例提供的一种应用于虚拟电厂的价格激励方法的流程示意图，在本实施例中，该方法包括：

S101：构建反映虚拟电厂从电网获得的总激励的第一模型；

本实施例中，虚拟电厂从电网获得的总激励，为虚拟电厂向电网申请的总的激励金额。其中，虚拟电厂向电网申请的总的激励金额，和每个聚合资源实际参与响应的总量有关系，具体的，可以通过如下的方法构建反映虚拟电厂从电网获得的总激励的第一模型：

确定虚拟电厂向电网申报的电网激励价格；

通过虚拟电厂向电网申报的电网激励价格和反映每个聚合资源的实际响应能力的第五模型，构建反映虚拟电厂从电网获得的总激励的第一模型。

其中，反映每个聚合资源的实际响应能力的第五模型可以通过反映用户参与需求响应的参与度的模型和每个聚合资源的最大响应能力构建，具体的构建方法会在下文中进行详细的介绍，本实施例中不再赘述。并且，聚合资源的实际响应能力可以理解为，聚合资源的总的实际用电量。

其中，虚拟电厂向电网申报的电网激励价格，为激励单价。

本实施例中，将虚拟电厂向电网申报的电网激励价格与所有聚合资源的实际响应能力有关(即聚合资源的总的实际用电量)，将虚拟电厂向电网申报的电网激励价格与聚合资源的实际响应能力相乘，得到虚拟电厂从电网获得的总激励。

举例说明：反映虚拟电厂从电网获得的总激励的第一模型可以通过如下的公式1)表示：

其中，R

需要知道的是，电网对虚拟电厂的激励，在虚拟电厂向电网申报需求响应参与量内时，是激励价格，但是超出了申报需求响应参与量后，则不再享受该激励。

其中，虚拟电厂从电网获得的总激励的第一模型与聚合资源的实际响应能力有关，聚合资源的实际响应能力与聚合资源的激励水平(虚拟电厂的定价参数)有关。因此，第一模型中包括虚拟电厂对聚合资源的内部的定价参数。

S102：构建反映虚拟电厂对聚合资源的总激励的第二模型；所述第二模型中包含每个聚合资源的内部定价参数；

本实施例中，虚拟电厂会根据价格激励策略，指定每个激励资源的补贴单价(每个聚合资源的内部定价)，从而最大限度的激励用户参与各个资源的需求响应。

本实施例中，虚拟电厂在保障盈利的情况下，会确定虚拟电厂对聚合资源的激励水平，或者表示为虚拟电厂对聚合资源的内部价格，该价格低于虚拟电厂从电网申报的价格。其中，虚拟电厂对聚合资源的总激励与该聚合资源的内部价格和反映每个聚合资源的实际响应能力有关，具体的，S102包括：

通过每个聚合资源的内部定价参数和反映每个聚合资源的实际响应能力的第五模型，构建反映虚拟电厂对聚合资源的总激励的第二模型。

举例说明：反映虚拟电厂对聚合资源的总激励的第二模型可以通过如下的公式2)表示：

其中，x

S103：构建反映虚拟电厂资金消耗的第三模型；

本实施例中，资金消耗表示为虚拟电厂支出的资金，其中可以包括：电网对虚拟电厂的负激励以及虚拟电厂的成本。

其中，电网对虚拟电厂的激励，在虚拟电厂向电网申报需求响应参与量内时，是激励价格，但是超出了申报需求响应参与量后，则不再享受该激励，即在超过了申报需求响应参与量后，电网会对虚拟电厂进行价格惩罚，电网对虚拟电厂的价格惩罚，则认为是电网对虚拟电厂的负激励。

虚拟电厂的成本，为电厂直接可控的分布式资源，例如冷热电联产燃气机组CCHP，虚拟电厂运营商需对其运行成本负责，这些成本会消耗虚拟电厂的支出，因此，虚拟电厂的聚合资源的激励计算中，需要考虑到直接分布式资源的运行成本，但是，现有技术中通过对于聚合资源的激励策略，通常不会考虑虚拟电厂分布式资源对虚拟电厂对聚合资源的激励的影响。

其中，虚拟电厂负激励，与电网对虚拟电厂的惩罚价格，以及聚合资源的实际需求响应的总量超出虚拟电厂向电网申报的需求响应的总量的值。

本实施例中，可以通过虚拟电厂的负激励与电网对虚拟电厂的惩罚价格和聚合资源的实际需求响应的总量，确定电网对虚拟电厂的负激励，具体的，包括：

确定电网对虚拟电厂的惩罚价格以及虚拟电厂向电网申报的聚合资源需求响应的总量；

通过电网对虚拟电厂的惩罚价格、虚拟电厂向电网申报的聚合资源需求响应的总量以及反映每个聚合资源的实际响应能力的第五模型，构建反映电网对虚拟电厂的负激励的第六模型。

举例说明：反映电网对虚拟电厂的负激励的第六模型可以通过如下的公

式3)表示：

其中，

本实施例中，构建反映虚拟电厂分布式资源成本的成本模型的方法包括多种，本实施例中不进行限定，具体的，构建虚拟电厂的成本模型的方法，包括：

构建燃料成本模型、运维成本模型和环境成本模型；

通过燃料成本模型、运维成本模型和环境成本模型，构建虚拟电厂的成本模型。

其中，虚拟电厂的成本模型可以通过如下的公式4)表示：

其中，

其中，

由此，通过考虑虚拟电厂直接可控的分布式资源，提升了虚拟电厂对于聚合资源激励的定价结果的准确性。

S104:通过反映虚拟电厂从电网获得的总激励的第一模型、反映虚拟电厂对聚合资源的总激励的第二模型和反映虚拟电厂资金消耗的第三模型，构建反映虚拟电厂的收益的第四模型；

本实施例中，虚拟电厂的收益可以表示为：虚拟电厂从电网获得的总激励金额减去虚拟电厂对聚合资源的总激励金额以及虚拟电厂的资金消耗的差值。

其中，资金消耗包括：电网对虚拟电厂的负激励和/或虚拟电厂的成本。

举例说明：在资金消耗包括电网对虚拟电厂的负激励和虚拟电厂的成本的情况下，反映虚拟电厂的收益的第四模型可以通过如下的公式5)表示：

5)J

具体的，如公式6)所示：

其中，

S105：确定反映虚拟电厂的收益的第四模型的约束条件；

本实施例中，约束条件为第四模型中各个参数的取值范围，各个参数的取值范围可以根据实际情况进行设置。

其中，当第四模型通过上述公式5)进行表示时，约束条件可以通过如下的公式7)表示：

其中，每个聚合资源的实际响应能力

S106：以虚拟电厂的收益的最大化为目标，通过所述第四模型和所述第四模型的约束条件，计算每个聚合资源的内部定价参数。

本实施例中，虚拟电厂对每个聚合资源的内部定价，可以在确保虚拟电厂收益最大化的基础上计算得到。即，通过反映虚拟电厂收益的第四模型，在保障电厂收益最大化的基础上，计算每个聚合资源的内部定价。

其中，对应内部定价参数的计算，可以通过多种方式，本实施例中，不进行限定，例如可以将机会约束转换为确定规划，其中对于目标函数为线性的机会约束规划，在假设模型的约束参数服从正态分布和指数分布的条件下，可以将其转化为等价的确定性规划。

进一步的，为了得到最优解，可以通过遗传算法计算每个聚合资源的内部定价参数，具体的方法会在下文中进行介绍，本实施例中不再赘述。

本实施例中，通过构建反映虚拟电厂的收益的第四模型，并在保障最大收益的情况下，对第四模型进行求解，进而得到每个聚合资源的内部定价参数的值。并且，通过每个聚合资源的内部定价参数的值，作为聚合资源的激励补偿给用户。这样，在确保虚拟电厂满足总体响应指标的同时，实现虚拟电厂参与需求响应的全局收益最大化。

除此之外，还考虑了分布式资源对聚合资源激励的影响，

参考图2，示出了本发明实施例提供的一种构建反映每个聚合资源的实际响应能力的第五模型的流程示意图，在本实施例中，该方法包括：

S201：构建反映用户参与需求响应的参与度的计及不确定性模型；所述计及不确定性模型表征聚合资源的激励水平和聚合资源参与需求响应的参与度的关系；

本实施例中，聚合资源可以理解为用电单位或者发电单位等，需要从虚拟电厂购买电能的单位。其中，用电单位可以是家庭、企业等。

本实施例中，虚拟电厂内参与需求响应的聚合资源对虚拟电厂运营商的激励政策存在个体差异，并均呈现差别阈值和饱和值，整体而言，虚拟电厂对聚合资源的激励水平越高，聚合资源的的需求响应参与度越高。本实施例中，通过构建计及不确定性模型，来体现虚拟电厂对聚合资源的激励水平与聚合资源参与需求响应的参与度的关系。

举例说明：假设虚拟电厂内聚合资源参与需求响应的参与度表示为ξ

其中，ξ

针对上边界函数，当激励价格x大于x

针对下边界函数，当激励价格x大于x

进一步的，为了更清楚的展示聚合资源的激励水平与聚合资源参与需求响应的关系，如图3所示，示出了聚合资源参与需求响应的参与度与聚合资源激励水平的关系的实例示意图，其中，横坐标为聚合资源的激励水平，总坐标为需求响应的参与度，上曲线表示聚合资源参与需求响应参与度的上边界函数，下曲线表示聚合资源参与需求响应参与度的下边界函数，阴影部分表示不确定性的范围。

S202：获取每个聚合资源的最大响应能力；

每个聚合资源可以预先与虚拟电厂达成协议，约定聚合资源的最大影响能力，其中，最大响应能力可以表示为聚合资源最大的用电量。

S203：根据反映用户参与需求响应的参与度的计及不确定性模型和每个聚合资源最大响应能力，构建反映每个聚合资源的实际响应能力的第五模型。

本实施例中，每个聚合资源的实际响应能力，与用户参与需求响应的参与度以及聚合资源的最大响应能力有关，每个聚合资源的最大响应能力可以是从电网获取的，或者也可以根据实际情况确定的。

举例说明：反映每个聚合资源的实际响应能力的第五模型可以通过如下的公式11)表示：

其中，

本实施例中，通过计及不确定性模型，反映聚合资源参与需求响应的参与度，并通过该计及不确定型模型以及每个聚合资源的最大响应能力，构建反映每个聚合资源的实际响应能力的第五模型。由此，通过计及不确定性模型能够较为合理的反映不同聚合资源的用户参与需求响应的参与度，进而通过计及不确定性模型构建的反映实际响应能力的第五模型，能够更加合理的反映出聚合资源的实际响应能力。

参考图4，示出了本发明实施例提供的一种计算每个聚合资源的内部定价参数的方法的流程示意图，在本实施例中，该方法包括：

S401：确定所述第四模型中各个参数的初始值以及遗传算法参数的初始值；

本实施例中，第四模型为反映虚拟电厂收益的模型，第四模型中的参数例如包括：分布式资源、经济参数、电价信息等。

其中，分布式资源为成本模型中包含的一些参数信息，经济资源包括一些定价信息，例如包括：电网对虚拟电厂的激励价格、虚拟电厂对聚合资源的内部定价的价格。

其中，初始值的确定需要基于约束条件来确定。

S402：通过遗传算法和第四模型中各个参数的初始值，以及遗传算法参数的初始值，对反映虚拟电厂收益的第四模型进行迭代计算；

S403：当达到终止迭代的条件时，确定迭代终止时聚合资源的内部定价参数的值。

其中，迭代终止条件可以包括多种，本实施例中不进行限定，例如可以为：当第N次的迭代结果的电厂收益与第N-1次迭代结果的电厂收益的差值小于预设的阈值，则表示达到终止迭代条件，停止迭代，并将第N次迭代时的聚合资源的内部定价参数的值，作为最终的输出值。

本实施例中，通过遗传算法对模型进行求解，求解得到机会约束规划问题的目标近似最优解，能够自适应不同聚合资源价格激励水平差异。

参考图5，示出了本发明实施例提供的一种应用于虚拟电厂的价格激励装置的结构示意图，在本实施例中，该装置包括：

第一模型构建单元501，用于构建反映虚拟电厂从电网获得的总激励的第一模型；

第二模型构建单元502，用于构建反映虚拟电厂对聚合资源的总激励的第二模型；所述第一模型和第二模型中均包含虚拟电厂对聚合资源的内部定价参数；

第三模型构建单元503，用于构建反映虚拟电厂资金消耗的第三模型；

第四模型构建单元504，用于通过反映虚拟电厂从电网获得的总激励的第一模型、反映虚拟电厂对聚合资源的总激励的第二模型和反映虚拟电厂资金消耗的第三模型，构建反映虚拟电厂的收益的第四模型；

约束条件构建单元505，用于确定反映虚拟电厂的收益的第四模型的约束条件；

计算单元506，用于以虚拟电厂的收益的最大化为目标，通过第四模型和所述第四模型的约束条件，计算每个聚合资源的内部定价参数。

可选的，还包括：

计及不确定性模型构建单元，用于构建反映聚合资源参与需求响应的参与度的计及不确定性模型；所述计及不确定性模型表征聚合资源的激励水平和聚合资源参与需求响应的参与度的关系；

获取单元，用于获取每个聚合资源的最大响应能力；

第五模型构建单元，用于根据反映聚合资源参与需求响应的参与度的计及不确定性模型和每个聚合资源最大响应能力，构建反映每个聚合资源的实际响应能力的第五模型。

可选的，所述第一模型构建单元，包括：

电网激励价格确定单元，用于确定虚拟电厂向电网申报的电网激励价格；

第一模型构建子单元，用于通过虚拟电厂向电网申报的电网激励价格和反映每个聚合资源的实际响应能力的第五模型，构建反映虚拟电厂从电网获得的总激励的第一模型。

可选的，所述第二模型构建单元，包括：

通过每个聚合资源的内部定价参数和反映每个聚合资源的实际响应能力的第五模型，构建反映虚拟电厂对聚合资源的总激励的第二模型。

可选的，所述构建反映虚拟电厂资金消耗的第三模型，包括:

确定电网对虚拟电厂的惩罚价格以及虚拟电厂向电网申报的用户需求响应的总量；

通过电网对虚拟电厂的惩罚价格、虚拟电厂向电网申报的用户需求响应的总量以及反映每个聚合资源的实际响应能力的第五模型，构建反映电网对虚拟电厂的负激励的第六模型。

可选的，所述第三模型构建单元，包括：

第一成本模型构建子单元，用于构建燃料成本模型、运维成本模型和环境成本模型；

第二成本模型构建子单元，用于通过燃料成本模型、运维成本模型和环境成本模型，构建虚拟电厂的成本模型。

可选的，所述计算单元，包括：

初始值确定子单元，用于确定所述第四模型中各个参数的初始值以及遗传算法参数的初始值；

迭代子单元，用于通过遗传算法和第四模型中各个参数的初始值，以及遗传算法参数的初始值，对反映虚拟电厂收益的第四模型进行迭代计算；

当达到终止迭代的条件时，确定迭代终止时聚合资源的内部定价参数的值。

本实施例的装置，通过构建反映虚拟电厂的收益的第四模型，并在保障最大收益的情况下，对第四模型进行求解，进而得到每个聚合资源的内部定价参数的值。并且，通过每个聚合资源的内部定价参数的值，作为聚合资源的激励补偿给用户。这样，在确保虚拟电厂满足总体响应指标的同时，实现虚拟电厂参与需求响应的全局收益最大化。

参考图6，示出了本发明实施例提供的一种电子设备的结构示意图，在本实施例中，该电子设备包括：

存储器601和处理器602；

所述存储器601用于存储程序；

所述处理器601用于执行所述存储器中的程序时，执行下述所述的应用于虚拟电厂的价格激励方法，包括：

构建反映虚拟电厂从电网获得的总激励的第一模型；

构建反映虚拟电厂对聚合资源的总激励的第二模型；所述第一模型和第二模型中均包含虚拟电厂对聚合资源的内部定价参数；

构建反映虚拟电厂资金消耗的第三模型；

通过反映虚拟电厂从电网获得的总激励的第一模型、反映虚拟电厂对聚合资源的总激励的第二模型和反映虚拟电厂资金消耗的第三模型，构建反映虚拟电厂的收益的第四模型；

确定反映虚拟电厂的收益的第四模型的约束条件；

以虚拟电厂的收益的最大化为目标，通过第四模型和所述第四模型的约束条件，计算每个聚合资源的内部定价参数。

可选的，还包括：

构建反映聚合资源参与需求响应的参与度的计及不确定性模型；所述计及不确定性模型表征聚合资源的激励水平和聚合资源参与需求响应的参与度的关系；

获取每个聚合资源的最大响应能力；

根据反映聚合资源参与需求响应的参与度的计及不确定性模型和每个聚合资源最大响应能力，构建反映每个聚合资源的实际响应能力的第五模型。

可选的，所述构建反映虚拟电厂从电网获得的总激励的第一模型，包括：

确定虚拟电厂向电网申报的电网激励价格；

通过虚拟电厂向电网申报的电网激励价格和反映每个聚合资源的实际响应能力的第五模型，构建反映虚拟电厂从电网获得的总激励的第一模型。

可选的，所述构建反映虚拟电厂对聚合资源的总激励的第二模型，包括：

通过每个聚合资源的内部定价参数和反映每个聚合资源的实际响应能力的第五模型，构建反映虚拟电厂对聚合资源的总激励的第二模型。

可选的，所述构建反映虚拟电厂资金消耗的第三模型，包括:

确定电网对虚拟电厂的惩罚价格以及虚拟电厂向电网申报的用户需求响应的总量；

通过电网对虚拟电厂的惩罚价格、虚拟电厂向电网申报的用户需求响应的总量以及反映每个聚合资源的实际响应能力的第五模型，构建反映电网对虚拟电厂的负激励的第六模型。

可选的，所述构建反映虚拟电厂资金消耗的第三模型，包括：

构建燃料成本模型、运维成本模型和环境成本模型；

通过燃料成本模型、运维成本模型和环境成本模型，构建虚拟电厂的成本模型。

可选的，所述以虚拟电厂的收益最大化为目标，通过第四模型和所述第四模型的约束条件，计算每个聚合资源的内部定价参数，包括：

确定所述第四模型中各个参数的初始值以及遗传算法参数的初始值；

通过遗传算法和第四模型中各个参数的初始值，以及遗传算法参数的初始值，对反映虚拟电厂收益的第四模型进行迭代计算；

当达到终止迭代的条件时，确定迭代终止时聚合资源的内部定价参数的值。

需要说明的是，本说明书中的各个实施例均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的部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。