1.一种虚拟电厂调度封装模型的构建方法，其特征在于，包括以下步骤：

步骤S1：获取电力资源总数据和人口管理数据；对电力资源总数据和人口管理数据进行城市地貌扫描，生成电力分布初始三维模型；根据电力分布初始三维模型进行地貌发电设备扩充，得到标准扩充资源数据；

步骤S2：利用电力质量分析公式对标准扩充资源数据进行电力供应质量计算，得到第一电力影响系数；将第一电力影响系数和预设的第一电力影响阈值进行对比，生成初始电力运输道路；根据初始电力运输道路进行电力优先级划分，从而生成高优先级电力运输道路和低优先级电力运输道路；

步骤S3：通过预设的时间间隔对高优先级电力运输道路和低优先级电力运输道路进行资源利用率分析，生成高峰电力资源利用率；基于高峰电力激励调度机制对高峰电力资源利用率进行高峰电力调度，生成高峰电力调度数据；

步骤S4：根据高峰电力调度数据对电力分布初始三维模型进行地区碳排放浓度分析，生成地区能源综合数据；利用能源生产效率计算公式对地区能源综合数据进行电力宏观影响计算，从而生成第二电力影响系数；

步骤S5：基于基因编程算法对第一电力影响系数和第二电力影响系数进行分布式资源路径分配，生成分布式电力传输网络；利用深度学习技术对分布式电力传输网络进行维护需求分析，生成虚拟电厂资源调度数据；

步骤S6：根据虚拟电厂资源调度数据进行监控模块构建，生成电力资源监控模块；利用物联网技术对分布式电力传输网络进行分布式控制模块构建，生成分布式控制模块；对电力资源监控模块和分布式控制模块进行数据可视化，生成电力调度实时界面；

步骤S1包括以下步骤：步骤S11：利用数据库获取电力资源总数据；利用地图设备获取人口管理数据；步骤S12：根据人口管理数据对电力资源总数据进行人口区域划分，生成人口电力资源区域数据；步骤S13：对人口电力资源区域数据进行三维城市建模，得到电力分布初始三维模型；步骤S14：根据电力分布初始三维模型进行城市地貌扫描，生成城市地貌数据，其中城市地貌数据包括可复用地貌数据和不可复用地貌数据；基于城市地貌数据和电力分布初始三维模型进行发电设备扩充，得到扩充电力资源数据；步骤S15：对扩充电力资源数据进行数据清洗，生成扩充资源清洗数据；基于Z‑score标准化方法对扩充资源清洗数据进行数据标准化，生成标准扩充资源数据；

步骤S2包括以下步骤：步骤S21：根据可复用地貌数据和不可复用地貌数据获取城市居民反馈数据；对城市居民反馈数据进行电力数据自检提取，得到居民电力质量数据；利用电力质量分析公式根据居民电力质量数据对标准扩充资源数据进行电力质量影响计算，得到第一电力影响系数；步骤S22：将第一电力影响系数和预设的第一电力影响阈值进行对比，当第一电力影响系数大于或等于第一电力影响阈值时，则根据电力分布初始三维模型进行区域电力道路构建，生成初始电力运输道路；当第一电力影响系数小于第一电力影响阈值时，则对可复用地貌数据进行数据占比提升，对不可复用地貌数据进行数据占比降低，直至生成初始电力运输道路；步骤S23：通过可复用地貌数据和不可复用地貌数据对初始电力流向数据进行监控节点设置，生成电力流向监控节点；步骤S24：根据第一电力影响系数和电力流向监控节点对初始电力运输道路进行电力模拟运输，生成模拟电力流向数据；对模拟电力流向数据进行数据分类，从而生成电力流向分组数据，其中电力流向分组数据包括可再生电力数据和不可再生电力数据；步骤S25：利用可再生电力数据和不可再生电力数据对初始电力运输道路进行优先级划分，生成可再生电力道路和不可再生电力道路；将可再生电力道路标记为高优先级电力运输道路，不可再生电力道路标记为低优先级电力运输道路；

步骤S21中的电力质量分析公式如下所示：

式中，S表示为第一电力影响系数，N表示为居民样本数量，Pi(t)表示为第i个居民在时间t的实际用电量，Pmax表示为理想用电量的最大值，γ表示为用电量影响系数的指数，Qi(t)表示为第i个居民在时间t的电力质量评分，Qmax表示为电力质量评分的最大值，η表示为电力质量影响系数的指数，α表示为用于调整用电量影响的电压偏差值，β表示为用于调整用电量影响的时间衰减系数，δ表示为用于调整电力质量影响的频率偏差值，T表示为用电时间段的长度，μ表示为电力质量分析异常调整值；

步骤S3包括以下步骤：步骤S31：通过预设的时间间隔对高优先级电力运输道路和低优先级电力运输道路进行电压负载波动分析，生成高优先级电压负载波动数据和低优先级电压负载波动数据；步骤S32：根据高优先级电压负载波动数据和低优先级电压负载波动数据进行电力高峰期时间分段，生成监测电力高峰期时间段和监测电力正常时间段；步骤S33：根据监测电力高峰期时间段对高优先级电压负载波动数据和低优先级电压负载波动数据进行资源利用率分析，从而生成高峰电力资源利用率；步骤S34：基于高峰电力资源利用率对高优先级电力运输道路和低优先级电力运输道路进行电力调度路径规划，得到最佳电力传输路径；步骤S35：基于监测电力高峰期时间段和监测电力正常时间段进行电力激励机制构建，生成高峰电力激励调度机制；利用高峰电力激励调度机制对最佳电力传输路径进行电力调度，生成高峰电力调度数据；

步骤S35包括以下步骤：步骤S351：获取居民历史用电数据；根据居民历史用电数据对监测电力高峰期时间段和监测电力正常时间段进行居民用电时间段划分，生成居民用电高峰时间段和居民用电正常时间段；步骤S352：通过机器学习模型对居民用电高峰时间段和居民用电正常时间段进行电力需求分析，生成电力需求预测数据；步骤S353：根据电力需求预测数据对居民用电高峰时间段和监测电力高峰期时间段进行阶梯电价设置，并生成第一调节信号；对居民用电正常时间段和监测电力正常时间段进行用电峰值控制，并生成第二调节信号；步骤S354：当最佳电力传输路径识别到第二调节信号时，则根据可再生电力数据进行多余电力存储，从而生成电力存储系统；当最佳电力传输路径识别到第一调节信号时，则对电力存储系统进行放电处理，并根据不可再生电力数据进行超频供电，从而生成高峰电力调度数据；

步骤S4包括以下步骤：步骤S41：根据高峰电力调度数据对电力分布初始三维模型进行电力参数导入，得到高峰电力调度三维模型；根据高峰电力调度三维模型进行地区碳浓度数据收集，从而获得地区碳浓度数据；步骤S42：对高峰电力调度三维模型进行能源生产数据收集，从而获得地区能源生产数据；利用GIS技术将地区碳浓度数据和地区能源生产数据进行数据集成，生成地区能源综合数据；步骤S43：根据地区能源综合数据对高峰电力调度三维模型进行地区划分，生成地区能源关联区域；通过地区能源综合数据对地区能源关联区域进行碳排放时段分析，生成碳排放峰值数据；步骤S44：利用能源生产效率计算公式对碳排放峰值数据进行电力宏观影响计算，从而生成第二电力影响系数；

步骤S44中的能源生产效率计算公式如下所示：

式中，g表示为能源生产效率，t1表示为评估效率的特定时间段的积分下限，t2表示为评估效率的特定时间段的积分上限，V1表示为能源生产的体积的下限，V2表示为能源生产的体积的上限，Pnet(r,V)表示为在给定时间r和体积V下的净功率输出，k表示为能源生产过程中的功率损失缩放因子，Ploss(r,V)表示为特定时间r和体积V下的功率损失，Pinput(r,V)表示为在指定的时间r和体积V内提供或消耗的总能量，表示为能源生产效率计算异常修正量；

步骤S5包括以下步骤：步骤S51：根据基因编程算法对第一电力影响系数和第二电力影响系数进行电厂拓扑结构构建，生成虚拟电厂拓扑结构；步骤S52：通过蚁群算法对虚拟电厂拓扑结构进行分布式资源路径分配，从而生成分布式电力传输网络；步骤S53：基于分布式电力传输网络收集实时电力数据流；利用深度学习技术对实时电力数据流进行数学模型构建，生成电力深度维护模型；通过电力深度维护模型对实时电力数据流进行维护需求分析，从而生成虚拟电厂资源调度数据；

步骤S6包括以下步骤：步骤S61：根据虚拟电厂资源调度数据进行监控模块构建，生成电力资源监控模块；通过电力资源监控模块对分布式电力传输网络进行生态传感器节点部署，得到生态监控节点；步骤S62：利用物联网技术对生态监控节点进行通信通道部署，生成电力控制通信通道；基于电力控制通信通道和分布式电力传输网络进行分布式控制模块构建，生成分布式控制模块；步骤S63：对电力资源监控模块和分布式控制模块进行数据封装，从而生成虚拟电厂调度封装模型；对虚拟电厂调度封装模型进行虚拟现实界面可视化，得到电力调度实时界面。