CN105512960A - 电力资源的配置方法和系统 - Google Patents

Abstract

本发明涉及一种电力资源的配置方法和系统，其是构建发电企业的成本函数、第一电力流通函数以及第二电力流通函数，根据这三个函数来建立电力资源的配置模型，根据配置模型获取最优配置参数，根据最优配置参数配置电力给不同的用电企业。此方案中，根据成本函数、第一电力流通函数以及第二电力流通函数来建立配置模型，从而获得最优配置参数，根据最优配置参数配置电力资源给不同的用电企业，能够实现发电企业的电力资源的合理配置。

Description

电力资源的配置方法和系统

技术领域

本发明涉及电力技术领域，特别是涉及一种电力资源的配置方法和系统。

背景技术

随着国民经济的不断发展，各行业对电力工业的需求不断发生变化，电力市场中的流通种类不断丰富，短期实时电力流通对于区域电网内短期实时的发用电平衡、电力资源的实时优化配置的重要性不断凸显。当前，很多电力流通是由电网企业和发电企业共同协商确定，由于政策的不完善，市场地位的不对等，信息的不对称以及监管的不到位等原因，流通过程难以公平合理，往往导致发电企业的电力资源无法合理配置。因此，如何使发电厂商合理配置电力资源，是一个值得深入研究的问题。

国内外学者已对电力流通中发电厂商的电力资源合理配置问题进行了大量的研究，遗传算法，博弈论，模糊神经网络算法等已经在解决发电厂商的电力资源合理配置问题上得到广泛应用。文献受国外学者关于单种群遗传算法在演化博弈过程中应用的影响，提出了使用遗传算法解决演化博弈问题，对电力市场的发电厂商电力资源配置行为进行仿真，验证了模型的有效性。经典粒子群(ParticleSwarmOptimization，PSO)算法是一种基于群体智能理论的仿生优化算法，通过群体内个体间的合作与竞争产生的群体智能指导优化搜索，广泛应用于神经网络构建、电力调度、模糊控制等领域。还有针对多目标的多目标粒子群(Multi-objectiveParticleSwarmOptimization，MOPSO)算法，但是，MOPSO算法易早熟收敛，使得算法较早收敛于局部最优解，易陷入局部极优，该算法用于发电厂商的电力资源的配置存在一定的局限性。

发明内容

基于此，有必要针对现有技术无法合理配置电力资源的问题，提供一种电力资源的配置方法和系统。

一种电力资源的配置方法，包括以下步骤：

构建发电企业的成本函数、第一电力流通函数以及第二电力流通函数；

根据成本函数、第一电力流通函数以及第二电力流通函数建立电力资源的配置模型；

根据配置模型获取最优配置参数，判断最优配置参数是否大于预设值，若是，则配置电力资源给预设的第一类型的用电企业；若否，则配置电力资源给预设的第二类型的用电企业。

一种电力资源的配置系统，包括以下单元：

函数单元，用于构建发电企业的成本函数、第一电力流通函数以及第二电力流通函数；

建模单元，用于根据成本函数、第一电力流通函数以及第二电力流通函数建立电力资源的配置模型；

配置单元，用于根据配置模型获取最优配置参数，判断最优配置参数是否大于预设值，若是，则配置电力资源给预设的第一类型的用电企业；若否，则配置电力资源给预设的第二类型的用电企业。

根据上述本发明的电力资源的配置方法和系统，其是构建发电企业的成本函数、第一电力流通函数以及第二电力流通函数，根据这三个函数来建立电力资源的配置模型，根据配置模型获取最优配置参数，根据最优配置参数配置电力给不同的用电企业。此方案中，根据成本函数、第一电力流通函数以及第二电力流通函数来建立配置模型，从而获得最优配置参数，根据最优配置参数配置电力资源给不同的用电企业，能够实现发电企业的电力资源的合理配置。

附图说明

图1为其中一个实施例的电力资源的配置方法的流程示意图；

图2为其中一个实施例的电力资源的配置系统的结构示意图；

图3为其中一个实施例的电力资源的配置系统的结构示意图；

图4为其中一个实施例的历史电力的标定参数图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

参见图1所示，为本发明的电力资源的配置方法的一个实施例。该实施例中的电力资源的配置方法，包括以下步骤：

步骤S101：构建发电企业的成本函数、第一电力流通函数以及第二电力流通函数；

步骤S102：根据成本函数、第一电力流通函数以及第二电力流通函数建立电力资源的配置模型；

步骤S103：根据配置模型获取最优配置参数，判断最优配置参数是否大于预设值，若是，则配置电力资源给预设的第一类型的用电企业；若否，则配置电力资源给预设的第二类型的用电企业。

在本实施例中，根据成本函数、第一电力流通函数以及第二电力流通函数来建立配置模型，从而获得最优配置参数，根据最优配置参数配置电力资源给不同的用电企业，能够实现发电企业的电力资源的合理配置。第一类型的用电企业主要是指大型的用电企业，第二类型的用电企业主要是指中小型的用电企业，判断最优配置参数的预设值可以根据需要自由设置。

在其中一个实施例中，根据成本函数、第一电力流通函数以及第二电力流通函数建立电力资源的配置模型的步骤包括以下步骤：

根据成本函数、第一电力流通函数以及第二电力流通函数建立电力资源的配置模型的目标函数，目标函数的表达式为：

其中，θ表示配置效果参数，表示第一电力流通函数；表示第二电力流通函数；C(g)表示成本函数。

在本实施例中，建立配置模型的目标函数，可以为确定电力资源配置的配置参数提供一个明确的方式，利用第一电力流通函数、第二电力流通函数和成本函数这三个变量就可以有效确定配置参数。

在其中一个实施例中，构建第一电力流通函数的步骤包括以下步骤：

获取电力的第一流通数据，根据电力的第一流通数据构建第一电力流通函数，其中，第一电力流通函数的表达式为：

式中，表示第一电力流通函数，第一流通数据包括T、t、c、d、和其中，T表示总的时间参数，t为单位时间参数，表示时段t内发电企业在第一区域中流出电力的次数，表示时段t内发电企业在第一区域中流入电力的次数；c表示发电企业参与一次流出过程，在第一区域中d表示发电企业参与一次流入过程，在第一区域中和为二进制变量，当发电企业在第一区域中流出过程完成时，则当发电企业在第一区域中流出过程未完成时，则当发电企业在第一区域中流入过程完成时，则当发电企业在第一区域中流入过程未完成时，则表示发电企业在第一区域中对应(t,c)次流出电力的标定参数，表示发电企业在第一区域中对应(t,c)次流出电力的电量；表示发电企业在第一区域中对应(t,d)次流入电力的标定参数；表示发电企业在所述第一区域中对应(t,d)次流入电力的电量。

在本实施例中，利用各个第一流通数据及其相互之间的关系可以构建第一电力流通函数，能正确反映发电企业在第一区域中的电力流通状况，为获取最优配置参数提供依据。

在其中一个实施例中，构建第二电力流通函数的步骤包括以下步骤：

获取电力的第二流通数据，根据电力的第二流通数据构建第二电力流通函数，其中，第二电力流通函数的表达式为：

式中，表示第二电力流通函数，第二流通数据包括T、t、c、d、和其中，T表示总的时间参数，t为单位时间参数，表示时段t内发电企业在第二区域中流出电力的次数，表示时段t内发电企业在第二区域中流入电力的次数；c表示发电企业参与一次流出过程，在第二区域中d表示发电企业参与一次流入过程，在第二区域中和为二进制变量，当发电企业在第二区域中流出过程完成时，则当发电企业在第二区域中流出过程未完成时，则当发电企业在第二区域中流入过程完成时，则当发电企业在第二区域中流入过程未完成时，则表示发电企业在第二区域中对应(t,c)次流出电力的标定参数，表示发电企业在第二区域中对应(t,c)次流出电力的电量；表示发电企业在第二区域中对应(t,d)次流入电力的标定参数；表示发电企业在第二区域中对应(t,d)次流入电力的电量。

在本实施例中，利用各个第二流通数据及其相互之间的关系可以构建第二电力流通函数，能正确反映发电企业在第二区域中的电力流通状况，为获取最优配置参数提供依据。

一般而言，发电企业的电力流通通常就在第一区域和第二区域中。为简化计算，此处定义在第一区域中流通的电量以1MW为单位，在第二区域中流通的电量以50MW为单位，可以限定半小时为一次电力流通时限，流通达成即进行一次电力资源配置。通常情况下，发电企业的发电量与需要在第一区域或第二区域流出的电量会存在一定的差额，当发电企业的发电量不能够满足电量流通需求时，也会从其他发电机构流入一定的电量以满足电力流通的需求。基于此，获取本发明的第一电力流通函数和第二电力流通函数。

在其中一个实施例中，构建发电企业的成本函数的步骤包括以下步骤：

获取电力的成本数据，根据电力的成本数据构建发电企业的成本函数，其中，成本函数的表达式为

$C\left(g\right)=\underset{t=1}{\overset{T}{\Σ}}\{\underset{i=1}{\overset{N}{\Σ}}{u}_i^t\[F_i\left(P_i^t\right)+S_i^t\]\}$

式中，C(g)表示成本函数，成本数据包括T、t、N、i、和其中，T表示总的时间参数，t为单位时间参数，N表示发电企业的机组总数，i表示发电企业的一个机组；为二进制变量，表示机组i在单位时间t内第一区域和第二区域流通过程的参与状态，表示机组i参与了流通过程，其出力发出的电量将被用于此次流通过程，表示机组i未参与流通过程；表示机组i的运行成本函数，表示机组i的输出功率，为机组的启动成本函数。

在本实施例中，根据成本数据构建了发电企业的成本函数，在配置时充分考虑了电力资源的成本情况，使电力资源的利用最大化。

在其中一个实施例中，机组的运行成本函数为：

$F_i\left(P_i^t\right)=a_i{\left(P_i^t\right)}^2+b_i{P}_i^t+c_i$

式中，a_i,b_i,c_i分别为机组i的二次成本系数、一次成本系数以及成本常数。

机组的启动成本函数为：

$S_i^t={\mathrm{\α}}_i+{\mathrm{\β}}_i\[1-e^{-\left(\frac{X_{on,j}^t}{{\mathrm{\φ}}_i}\right)}\]$

式中，α_i为机组i的热启动成本；β_i为机组i的冷启动成本；为机组i上网运行的持续时间；φ_i表示机组i的暖机时间常数。

在一个具体的实施例中，对发电企业在第一区域和第二区域中的流通电力过程有多种类型的约束条件。

(1)总流通电量约束

在电力流通过程中，发电企业无论是流出还是流入电力，总的流通电力电量都要低于一预设允许值，即有：

$\begin{array}{c}|\underset{c=1}{\overset{N_B^S\left(t\right)}{\Σ}}\[Q_B^S(t,c)\]-\underset{d=1}{\overset{N_0^S\left(t\right)}{\Σ}}\[Q_0^S(t,d)\]+\underset{c=1}{\overset{N_B^B\left(t\right)}{\Σ}}\[Q_B^B(t,c)\]-\underset{d=1}{\overset{N_0^B\left(t\right)}{\Σ}}\[Q_0^B(t,d)\]|\≤Q_{\max ,trade}^t\\ \underset{i=1}{\overset{N}{\Σ}}{u}_i^t{P}_i^t=P_{netcontratc}^t\end{array}$

式中，为时间段t内电力流通过程中的电量的最大允许值；为时间段t内电力流通过程中的电量的净流通容量。

(2)单次流通电量约束

在流通过程中，每一次的流通电量均有约束条件：

1)第一区域中的单次流通电量约束

第一区域中的单次流出的电量必须满足的电量约束为：

$Q_B^S(t,c)\≤Q_B^{S,\max }$

第一区域中的单次流入的电量必须满足的电量约束为：

$Q_0^S(t,c)\≤Q_0^{S,max}$

2)第二区域中的单次流通电量约束

第二区域中的单次流出的电量必须满足的电量约束为：

$Q_B^B(t,c)\≤Q_B^{B,\max }$

第二区域中的单次流入的电量必须满足的电量约束为：

$Q_0^B(t,c)\≤Q_0^{B,max}$

(3)流通次数约束

在电力流通过程中，无论是在第一区域还是在第二区域，在一段时间内的流通次数必须满足一定的约束，则有：

$\underset{c=1}{\overset{N_B^S\left(t\right)}{\Σ}}{\mathrm{\ϵ}}_B^S(t,c)+\underset{d=1}{\overset{N_0^S\left(t\right)}{\Σ}}{\mathrm{\ϵ}}_0^S(t,d)\≤N_{\max ,trade}^S$

$\underset{c=1}{\overset{N_B^B\left(t\right)}{\Σ}}{\mathrm{\ϵ}}_B^B(t,c)+\underset{d=1}{\overset{N_0^B\left(t\right)}{\Σ}}{\mathrm{\ϵ}}_0^B(t,d)\≤N_{\max ,trade}^B$

(4)机组输出功率约束

参与电力流通的发电企业机组的输出功率必须高于其额定最低输出功率且低于其额定输出功率的最大值则有：

$P_i^{\min }\≤u_i^t{P}_i^t\≤P_i^{max}$

(5)机组调用时间约束

在流通过程中，发电企业的机组一旦参与流通，其必须在一定时间内保持流通中规定的上网运行状态，则有：

$(X_{on,i}^{(t-1)}-T_i^{on})(u_i^{t-1}-u_i^t)\≥0$

式中，为机组i在时间段(t-1)内的上网运行持续时间；为机组i的最低上网持续运行时间。

(6)机组关停时间约束

在流通过程中，发电企业的机组一旦关停，该机组关停至下次启动之间的间隔必须满足一定的时间约束，则有：

$(X_{off,i}^{(t-1)}-T_i^{off})(u_i^t-u_i^{t-1})\≥0$

式中，为机组i在时间段(t-1)内的上网运行持续时间；为机组i关停与启动之间的最短时间间隔。

(7)机组爬坡约束

在两个相邻的时间段内，流通的需求发生改变时，发电企业机组的输出功率也有可能需要发生一定的变化，此处，引入机组爬坡约束，则有：

$P_i^t-P_i^{t-1}\≤R_i^{up,\max }$

$P_i^{t-1}-P_i^t\≤R_i^{down,max}$

式中，与分别为机组i的最大爬坡、下坡功率限制。

(8)旋转备用约束

在正常运行情况下，发电企业一般都会保有一定的旋转备用容量，其总的旋转备用容量不能够低于一定的限额，此处，引入机组的旋转备用约束，则有：

$\underset{i=1}{\overset{N}{\Σ}}\min \left(u_i^t\right(P_i^{max}-P_i^t),u_i^t\·r_i^{\max })\≥R^t$

式中，为机组i的旋转备用容量限额；R^t为整个发电企业的最低旋转备用容量限额。

在其中一个实施例中，根据配置模型获取最优配置参数的步骤包括以下步骤：

采用变搜索半径优化粒子群算法对配置模型进行求解，获得最优配置参数；

变搜索半径优化粒子群算法包括以下步骤：

对配置模型的粒子群进行初始化，利用多目标粒子群算法得到通用解集；

计算适应度函数值，保留粒子群中的最优粒子，并通过粒子的位置和速度计算公式更新最优粒子；

判断最优粒子是否满足终止条件，若满足，则输出最优解；若不满足，则进行扰动，并返回至更新最优粒子的步骤。

在本实施例中，采用变搜索半径优化粒子群(RMOPSO)算法对配置模型进行求解，在求解时加入扰动，可以避免局部优化，最终得到最优配置参数。

PSO算法模拟鸟群的捕食行为，标准PSO中，粒子i在搜索空间的速度和位置根据如下公式确定：

${\stackrel{\→}{u}}_t=w\×{\stackrel{\→}{u}}_t+U\[0,r_1\]\×({\stackrel{\→}{G}}_i-{\stackrel{\→}{X}}_t)+U\[0,r_2\]\×({\stackrel{\→}{G}}_{i,e}-{\stackrel{\→}{X}}_t)$

式中，w为粒子对应的惯性权重，r1，r2为粒子的加速常数，U[a,b]表示在区间[a,b]内均匀分布的随机数。为粒子i经历过的最优位置，而为粒子i所对应的全局最好位置，与为粒子在时刻t的位置与速度。

MOPSO算法：通常来说，多目标优化问题包括一些目标函数和一个等式与不等式约束，可以按以下公式构成：

Minimizefm(x)，m＝1,…,Nobj

$Subjectto\left\{\begin{array}{cc}{g}_k\left(x\right)=0& k=1,...,K\\ h_l\left(x\right)\≤0& l=1,...,L\end{array}\right.$

多目标优化问题中两个解之间存在支配、非劣两种关系，不能简单确定哪个解更优，因此，需结合多目标优化的特点对其进行修正。修正后的PSO算法也即多目标粒子群算法(Multi-objectiveParticleSwarmOptimization，MOPSO)描述如下：

(1)令t＝0；

(2)初始化粒子群Gt，计算各粒子对应的目标函数向量，将其中的非劣解加入到外部档案At；

(3)确定粒子的初始和初始

(4)在保证粒子在搜索空间内飞行条件下，改变粒子的速度和位置，形成Gt+1，调整粒子的

(5)根据新的非劣解维护外部档案，形成At+1，同时为每个粒子选取

(6)t＝t+1，若中止条件成立，停止搜索，否则转(4)。

当种群粒子之间相差较小，且数量过大时，会造成种群多样性减少，导致最佳粒子不再变化，使算法陷入局部极值中。因此，需向种群中引入“扰动”以摆脱局部最优，并开始新的搜索，也即对新粒子位置加以筛选，避免性能增益不大粒子过多地进入候选集。

设G为种群空间，X∈G为任一粒子，X`＝C(X)为粒子飞行后所处的新位置，Δ＝J(X)-J(X`)是新位置和原位置的差值，δ∈[-r,r]为随机扰动。扰动执行的方法是：如果Δ`＝Δ+δ>0，则保留新位置淘汰旧位置，如果Δ`<0，则淘汰新位置而保留旧位置。如果Δ`＝0，则重新扰动。通过“扰动”，以一定的概率接受性能增益不大的粒子，淘汰性能增益过小的粒子，接受性能增益明显的粒子，从而避免算法陷入局部极优。

变搜索半径优化的多目标粒子群算法：在MOPSO算法中引入扰动后，本发明所采用的变搜索半径优化粒子群算法(RMOPSO)的完整流程如下：

(1)对粒子群进行初始化，

(2)利用MOPSO算法得到通用解集S_k；

(3)计算适应度函数值，保留粒子群中的最优粒子，并通过粒子位置和速度计算公式更新粒子；

(4)判断最优粒子是否满足终止条件，若满足，则输出最优解，若不满足，则进行扰动，k＝k+1，并再次循环，直到满足终止条件，输出最优解。

为了验证所建模型和算法的有效性，本发明以一个五机组发电企业为对象进行算例研究。应当理解，此处所描述的算例研究仅仅只是本发明的一个具体应用验证，并不限定本发明的保护范围。

假设所有五个机组均参与短期电力流通，流通的时间区间为当日上午9时至次日上午9时。各机组的基本运行参数与成本参数均通过调研得到，如表1、表2所示，算例中的其他参数如表3所示。

表1机组基本运行参数

表2机组基本成本参数

表3短期实时流通参数

算例中，发电企业根据历史电力的标定参数并参照自身发电运行成本提出自己电力的配置参数，历史电力的标定参数如图2所示。

针对电力的第一区域和第二区域，在MATLAB中执行RMOPSO算法对所研究的发电企业在电力流通中的最优配置参数进行计算。设置参数如下：种群规模为100、学习因子c1＝c2＝2、初始迭代次数iter＝1、最大迭代次数iter_max＝400、惯性权重w_max＝0.9、随机数r₁＝r₂＝0.1。通过仿真，该发电企业通过短期实时电力流通在第一区域、第二区域中的最优配置参数结果如表4、表5所示。

表4发电企业在第一区域中的最优配置参数

表5发电企业第二区域中的最优配置参数

仿真结果显示，该发电企业参与短期电力流通时，在当日的19:00、22:30和次日的0:30、2:30以及4:30通过第一区域流通的电力总量为191MW，可以设置当配置参数大于5时，将对应的电力电量分配给大型用电企业，当配置参数小于或等于5时，将对应的电力电量分配给中小型用电企业；在当日的18:30、21:00通过第二流通区域的电力总量为100MW，同样可以设置当配置参数大于5时，将对应的电力电量分配给大型用电企业，当配置参数小于或等于5时，将对应的电力电量分配给中小型用电企业；依据配置参数的不同，将对应的电力资源分配给不同类型的用电企业，从而实现电力资源的合理配置。

根据上述电力资源的配置方法，本发明还提供一种电力的配置系统，以下就本发明的电力的配置系统的实施例进行详细说明。

参见图3所示，为本发明的电力的配置系统的实施例。该实施例中的电力的配置系统包括函数单元210、建模单元220和配置单元230；

函数单元210用于构建发电企业的成本函数、第一电力流通函数以及第二电力流通函数；

建模单元220用于根据成本函数、第一电力流通函数以及第二电力流通函数建立电力资源的配置模型；

配置单元230用于根据配置模型获取最优配置参数，判断最优配置参数是否大于预设值，若是，则配置电力资源给预设的第一类型的用电企业；若否，则配置电力资源给预设的第二类型的用电企业。

在其中一个实施例中，建模单元220根据成本函数、第一电力流通函数以及第二电力流通函数建立电力资源的配置模型的目标函数，目标函数的表达式为：

其中，θ表示配置效果参数，表示第一电力流通函数；表示第二电力流通函数；C(g)表示成本函数。

在其中一个实施例中，如图4所示，配置单元230包括求解单元231，求解单元231用于采用变搜索半径优化粒子群算法对配置模型进行求解，获得最优配置参数；

求解单元231对配置模型的粒子群进行初始化，利用多目标粒子群算法得到通用解集；计算适应度函数值，保留粒子群中的最优粒子，并通过粒子的位置和速度计算公式更新最优粒子；判断最优粒子是否满足终止条件，若满足，则输出最优解；若不满足，则进行扰动，并返回至更新最优粒子的步骤。

本发明的电力资源的配置系统与本发明的电力资源的配置方法一一对应，在上述电力资源的配置方法的实施例阐述的技术特征及其有益效果均适用于电力资源的配置系统的实施例中。

以上所述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。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电力资源的配置方法，其特征在于，包括以下步骤：

构建发电企业的成本函数、第一电力流通函数以及第二电力流通函数；

根据所述成本函数、所述第一电力流通函数以及所述第二电力流通函数建立电力资源的配置模型；

根据所述配置模型获取最优配置参数，判断所述最优配置参数是否大于预设值，若是，则配置电力资源给预设的第一类型的用电企业；若否，则配置电力资源给预设的第二类型的用电企业。

2.根据权利要求1所述的电力资源的配置方法，其特征在于，所述根据所述成本函数、所述第一电力流通函数以及所述第二电力流通函数建立电力资源的配置模型的步骤包括以下步骤：

根据所述成本函数、所述第一电力流通函数以及所述第二电力流通函数建立电力资源的配置模型的目标函数，所述目标函数的表达式为：

其中，θ表示配置效果参数，表示所述第一电力流通函数；表示所述第二电力流通函数；C(g)表示所述成本函数。

3.根据权利要求1所述的电力资源的配置方法，其特征在于，构建第一电力流通函数的步骤包括以下步骤：

获取电力的第一流通数据，根据所述电力的第一流通数据构建所述第一电力流通函数，其中，所述第一电力流通函数的表达式为：

式中，表示所述第一电力流通函数，所述第一流通数据包括T、t、 c、d、和其中，T表示总的时间参数，t为单位时间参数，表示时段t内所述发电企业在第一区域中流出电力的次数，表示时段t内所述发电企业在所述第一区域中流入电力的次数；c表示所述发电企业参与一次流出过程，在所述第一区域中d表示所述发电企业参与一次流入过程，在所述第一区域中 和为二进制变量，当所述发电企业在所述第一区域中流出过程完成时，则当所述发电企业在所述第一区域中流出过程未完成时，则当所述发电企业在所述第一区域中流入过程完成时，则当所述发电企业在所述第一区域中流入过程未完成时，则 表示所述发电企业在所述第一区域中对应(t,c)次流出电力的标定参数，表示所述发电企业在所述第一区域中对应(t,c)次流出电力的电量；表示所述发电企业在所述第一区域中对应(t,d)次流入电力的标定参数；表示所述发电企业在所述第一区域中对应(t,d)次流入电力的电量。

4.根据权利要求1所述的电力资源的配置方法，其特征在于，构建第二电力流通函数的步骤包括以下步骤：

获取电力的第二流通数据，根据所述电力的第二流通数据构建所述第二电力流通函数，其中，所述第二电力流通函数的表达式为：

式中，表示所述第二电力流通函数，所述第二流通数据包括T、t、 c、d、和其中，T表示总的时间参数，t为单位时间参数，表示时段t内所述发电企业在第二区域中流出电力的次数，表示时段t内所述发电企业在第二区域中流入电力的次数；c表示所述发电企业参与一次流出过程，在所述第二区域中d表示所述发电企业参与一次流入过程，在所述第二区域中 和为二进制变量，当所述发电企业在所述第二区域中流出过程完成时，则当所述发电企业在所述第二区域中流出过程未完成时，则当所述发电企业在所述第二区域中流入过程完成时，则当所述发电企业在所述第二区域中流入过程未完成时，则 表示所述发电企业在所述第二区域中对应(t,c)次流出电力的标定参数，表示所述发电企业在所述第二区域中对应(t,c)次流出电力的电量；表示所述发电企业在所述第二区域中对应(t,d)次流入电力的标定参数；表示所述发电企业在所述第二区域中对应(t,d)次流入电力的电量。

5.根据权利要求1所述的电力资源的配置方法，其特征在于，构建发电企业的成本函数的步骤包括以下步骤：

获取电力的成本数据，根据所述电力的成本数据构建所述发电企业的成本函数，其中，所述成本函数的表达式为

$C\left(g\right)=\underset{t=1}{\overset{T}{\&Sigma;}}\{\underset{i=1}{\overset{N}{\&Sigma;}}{u}_i^t\&lsqb;F_i\left(P_i^t\right)+S_i^t\&rsqb;\}$

式中，C(g)表示所述成本函数，所述成本数据包括T、t、N、i、 和其中，T表示总的时间参数，t为单位时间参数，N表示所述发电企业的机组总数，i表示所述发电企业的一个机组；为二进制变量，表示机组i在单位时间t内第一区域和第二区域流通过程的参与状态，表示机组i参与了流通过程，其出力发出的电量将被用于此次流通过程，表示机组i未参与流通过程；表示机组i的运行成本函数，表示机组i的输出功率，为机组的启动成本函数。

6.根据权利要求5所述的电力资源的配置方法，其特征在于，所述机组的运行成本函数为：

$F_i\left(P_i^t\right)=a_i{\left(P_i^t\right)}^2+b_i{P}_i^t+c_i$

式中，a_i,b_i,c_i分别为机组i的二次成本系数、一次成本系数以及成本常数；

所述机组的启动成本函数为：

$S_i^t={\mathrm{\&alpha;}}_i+{\mathrm{\&beta;}}_i\&lsqb;1-e^{-\left(\frac{X_{on,i}^r}{{\mathrm{\&phi;}}_i}\right)}\&rsqb;$

式中，α_i为机组i的热启动成本；β_i为机组i的冷启动成本；为机组i上网运行的持续时间；φ_i表示机组i的暖机时间常数。

7.根据权利要求1至5中任意一项所述的电力资源的配置方法，其特征在于，所述根据所述配置模型获取最优配置参数的步骤包括以下步骤：

采用变搜索半径优化粒子群算法对所述配置模型进行求解，获得最优配置参数；

所述变搜索半径优化粒子群算法包括以下步骤：

对所述配置模型的粒子群进行初始化，利用多目标粒子群算法得到通用解集；

计算适应度函数值，保留所述粒子群中的最优粒子，并通过粒子的位置和速度计算公式更新所述最优粒子；

判断所述最优粒子是否满足终止条件，若满足，则输出最优解；若不满足，则进行扰动，并返回至更新所述最优粒子的步骤。

8.一种电力资源的配置系统，其特征在于，包括以下单元：

函数单元，用于构建发电企业的成本函数、第一电力流通函数以及第二电力流通函数；

建模单元，用于根据所述成本函数、所述第一电力流通函数以及所述第二电力流通函数建立电力资源的配置模型；

配置单元，用于根据所述配置模型获取最优配置参数，判断所述最优配置参数是否大于预设值，若是，则配置电力资源给预设的第一类型的用电企业；若否，则配置电力资源给预设的第二类型的用电企业。

9.根据权利要求8所述的电力的配置系统，其特征在于：

所述建模单元根据所述成本函数、所述第一电力流通函数以及所述第二电力流通函数建立电力资源的配置模型的目标函数，所述目标函数的表达式为：

其中，θ表示配置效果参数，表示所述第一电力流通函数；表示所述第二电力流通函数；C(g)表示所述成本函数。

10.根据权利要求8或9所述的电力资源的配置系统，其特征在于，所述配置单元包括求解单元，所述求解单元用于采用变搜索半径优化粒子群算法对所述配置模型进行求解，获得最优配置参数；

所述求解单元对所述配置模型的粒子群进行初始化，利用多目标粒子群算法得到通用解集；计算适应度函数值，保留所述粒子群中的最优粒子，并通过粒子的位置和速度计算公式更新所述最优粒子；判断所述最优粒子是否满足终止条件，若满足，则输出最优解；若不满足，则进行扰动，并返回至更新所述最优粒子的步骤。