资源配置方法、装置、计算机设备、介质和计算机产品

技术领域

本申请涉及电力资源调度技术领域，特别是涉及一种资源配置方法、装置、计算机设备、介质和计算机产品。

背景技术

随着“双碳”目标的提出，可再生能源被大规模整合到电力系统中，例如将风能和太阳能接入电力系统发电。但是电力系统消化和吸收可再生能源的消纳能力低，且可再生能源的波动性和不确定性会导致电能供需不平衡，造成电力系统的不稳定。

因此，电力系统需要通过灵活资源调整电能的产能量或消耗量，实现电力系统的供需平衡。灵活资源是指可以增加电能供需系统柔性、弹性、灵活性，以实现用能系统动态供需平衡的资源，例如蓄电池等储能技术，在电力系统可再生能源的产生电能大于需求电能的情况下进行电能存储，并在可再生能源的需求电能大于产生电能的情况下释放电能以满足需求侧的电能需求。

目前，仅通过场景法对需求侧的灵活资源进行资源优化配置。但该资源配置方法效率低、成本高，且可靠性低。

发明内容

基于此，有必要针对上述技术问题，提供一种资源配置方法、装置、计算机设备、介质和计算机产品。

第一方面，本申请提供了一种资源配置方法。方法包括：

获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；

获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；

对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。

在其中一个实施例中，该方法还包括：

获取供电侧通过新能源供电的历史运行数据；

对历史运行数据进行概率预测，得到预测运行数据和预测运行数据对应的运行概率；

基于预测运行数据和运行概率建立新能源供电的供电场景，将供电场景输入资源配置模型以确定配置方案。

在其中一个实施例中，对历史运行数据进行概率预测，包括：

基于分位数回归方法构建回归模型，其中，分位数是指将一个随机变量的概率分布范围分为几个等份的数值点；

将历史运行数据输入回归模型，确定历史运行数据的各分位数回归值；

根据分位数回归值和分位数回归值对应的分位数得到历史运行数据的概率分布函数。

在其中一个实施例中，根据分位数回归值和分位数回归值对应的分位数得到历史运行数据的概率分布函数，包括：

基于分位数回归值和分位数回归值对应的分位数确定历史运行数据的累积概率分布函数；

对累积概率分布函数进行求导运算，得到概率分布函数。

在其中一个实施例中，基于概率结果和历史运行数据建立新能源供电的供电场景，包括：

对供电场景进行聚类，得到供电聚类场景，并确定供电聚类场景的聚类数量；

将供电场景输入资源配置模型以确定配置方案，包括：

将供电聚类场景分类输入资源配置模型以确定配置方案。

在其中一个实施例中，其中，功率约束条件包括功率平衡约束条件和能量约束条件，获取电力系统中供电侧和需求侧的功率约束条件，包括：

获取供电聚类场景中供电侧的供电功率和用电侧的用电功率；

功率平衡约束条件通过供电功率和用电功率的关系确定；

获取新能源的能量衰减系数，能量约束条件通过能量衰减系数和用电功率的关系确定。

第二方面，本申请还提供了一种资源配置装置。该装置包括：

模型构建模块，用于获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；

功率约束模块，用于获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；

资源配置模块，用于对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。

第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行所述计算机程序时实现以下步骤：

获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；

获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；

对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。

第四方面，本申请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，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以下步骤：

获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；

获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；

对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。

第五方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；

获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；

对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。

上述资源配置方法、装置、计算机设备、介质和计算机产品，通过获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。通过考虑电力系统需求侧和供电侧的功率平衡约束实现电力系统完全消化和吸收能量，对电力系统整体的灵活性进行分析，提高了电力系统的效率、稳定性和可靠性，并通过在电力系统中最小化配置目标需求资源的配置代价值，降低了系统的成本。

附图说明

图1为一个实施例中资源配置方法的应用环境图；

图2为一个实施例中资源配置方法的流程示意图；

图3为一个实施例中供电聚类场景的分类示意图；

图4为另一个实施例中资源配置方法的流程示意图；

图5为一个实施例中资源配置装置的结构框图；

图6为另一个实施例中资源配置装置的结构框图；

图7为一个实施例中计算机设备为终端的内部结构图；

图8为一个实施例中计算机设备为服务器的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的资源配置方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种资源配置方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：

步骤202，获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源。

其中，目标需求资源包括电动汽车充电桩和空调等可调控负荷和储能装置。

示例性的，分别获取在电力系统中配置空调、电动汽车充电桩和储能装置的单位配置代价值，得到空调代价值、充电桩代价值和储能代价值，以最小化空调代价值、充电桩代价值和储能代价值之和确定目标函数，根据该目标函数构建资源配置模型。

步骤204，获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案。

其中，功率约束条件是指在电力系统中，对电力设备或负荷的功率进行限制的条件，例如对电力系统中供电设备和用电设备的功率进行限制的条件。供电侧是指电力系统中负责发电和输送电力的一侧。需求侧指的是电力系统中消费电能的一侧。供电侧通过输电网将电能传输到需求侧，需求侧消费电能，以实现电力系统的平衡和稳定。

示例性的，在电力系统通过新能源发电的情况下，将新能源发电系统的输出功率和需求侧的负荷功率相等确定为功率约束条件，可以实现供电侧新能源产生电能的百分百消化和吸收。

由于新能源发电具备不确定性，输出功率为变量，例如，在光伏发电的情况下，光伏发电系统的输出功率受光照强度等因素的影响，输出功率为变量，可以通过场景法对一年内电力系统中新能源发电场景进行分析。将新能源发电场景输入资源配置模型，分别对该场景下空调、电动汽车充电桩的功率和储能装置的能量如何配置进行分析，得到多个目标需求资源的配置方案。

步骤206，对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。

示例性的，根据前述实施例不同配置方案中空调、电动汽车充电桩的功率和储能装置的能量，以及单位空调、单位电动汽车充电桩的额定功率和单位储能装置的额定容量，得到不同配置方案中需要配置空调、电动汽车充电桩和储能装置的数量，还可以获取电力系统中空调、电动汽车充电桩和储能装置的原数量，根据配置方案中的数量和原数量得到电力系统中需要增加的配置数量，确定不同配置方案对应的配置代价值。基于该配置代价值确定资源配置模型的目标函数，其中，目标函数的公式表示如下：

min(N

其中，N

将配置代价值最小时对应的配置方案确定为目标配置方案，在该新能源发电场景下根据该目标配置方案进行空调、电动汽车充电桩和储能装置的配置。

上述资源配置方法中，通过获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。通过考虑电力系统需求侧和供电侧的功率平衡约束实现电力系统完全消化和吸收能量，对电力系统整体的灵活性进行分析，提高了电力系统的效率、稳定性和可靠性，并通过在电力系统中最小化配置目标需求资源的配置代价值，降低了系统的成本。

在一个实施例中，该方法还包括：获取供电侧通过新能源供电的历史运行数据；对历史运行数据进行概率预测，得到预测运行数据和预测运行数据对应的运行概率；基于预测运行数据和运行概率建立新能源供电的供电场景，将供电场景输入资源配置模型以确定配置方案。

其中，历史运行数据包括新能源发电设备的发电量、装机容量、发电效率，平均风速和辐照强度，例如一年内太阳能光伏设备的发电量。概率预测是指基于历史数据评估不同事件可能性发生的概率，并提供关于未来事件可能发生的概率的估计。新能源是指通过环境中的可再生资源或非传统能源资源进行能量转换和利用的能源形式，例如太阳能、风能和水能。在场景法中，场景是指对未来可能发生的情境、环境或事件进行描述和设想，通过将一种或多种因素以及变量结合，得到具体、可视化的未来场景。

示例性的，采集光伏发电系统一年内的历史运行数据，对历史运行数据进行归一化处理，得到归一化后的历史运行数据。可以通过统计分析法对归一化后的历史运行数据进行概率预测，例如通过回归分析法对一年内光伏发电系统的发电量进行概率预测，得到下一时间段的预测发电量和预测发电量的概率。可以将该预测发电量和概率表示为光伏发电系统下一时间段的未来供电场景，根据该未来供电场景确定光伏发电系统需求侧的目标需求资源如何配置，得到配置方案。

本实施例中，概率预测可以基于历史数据、天气模型和其他相关因素等历史运行数据，对光伏发电的产量进行预测，为资源配置模型提供了更加全面和准确的信息，提高了资源配置方法的准确性。

在一个实施例中，对历史运行数据进行概率预测，包括：基于分位数回归方法构建回归模型，其中，分位数是指将一个随机变量的概率分布范围分为几个等份的数值点；将历史运行数据输入回归模型，确定历史运行数据的各分位数回归值；根据分位数回归值和分位数回归值对应的分位数得到历史运行数据的概率分布函数。

其中，分位数可以是二分位数、四分位数、百分位数。分位数回归值是根据分位数对历史运行数据进行划分的历史运行数据的回归值。分位数回归方法用于分析回归变量与被解释变量在不同分位数下的影响关系。概率分布函数用于描述随机变量的取值和对应概率的函数。

示例性的，基于分位数回归方法构建回归模型，在回归模型中，根据二十四时刻对一年内的历史运行数据进行处理，得到各时刻的历史运行数据集，对各时刻的历史运行数据集进行分位数回归分析，得到在各时刻下不同分位数的回归值，例如对一年内十二点光伏发电系统的发电量集合进行分位数回归分析，可以对发电量集合内的发电量进行排序，分别确定排序后的发电量集合在二分位数、上四分位数和下四分位数的回归值，也就是确定发电量集合中间位置的发电量为二分位数的回归值，后25％位置的发电量为上四分位数的回归值，前25％位置的发电量为下四分位的回归值。根据不同分位数和分位数回归值可以得到历史运行数据在各时刻的概率分布函数。

本实施例中，在光伏发电中，由于天气等因素的影响，光伏产量可能会出现波动，呈现出非对称的分布，通过对分位数回归法得到的不同分位数进行建模，还以根据历史数据和实时观测，动态调整模型参数，准确地刻画光伏发电的非对称性和不确定性，提供更精细的预测结果。

在一个实施例中，根据分位数回归值和分位数回归值对应的分位数得到历史运行数据的概率分布函数，包括：基于分位数回归值和分位数回归值对应的分位数确定历史运行数据的累积概率分布函数；对累积概率分布函数进行求导运算，得到概率分布函数。

其中，累积概率分布函数用于确定随机变量取某个特定值或在某个区间内的概率。

示例性的，根据前述实施例各时刻下的分位数和分位数回归值构建累积概率分布函数，其中，累积概率分布函数的表达式如下：

其中，α

对累积概率分布函数进行三次插值法，并进行求导运算，得到概率分布函数F

F(x

其中，T为配置周期。

可以对该概率分布函数进行蒙特卡洛抽样，得到新能源供电的供电场景。

本实施例中，构建概率分布函数可以提供对光伏发电产量的完整概率分布信息，还可以量化光伏发电的不确定性，提高配置方法的准确度。

在一个实施例中，基于概率结果和历史运行数据建立新能源供电的供电场景，包括：对供电场景进行聚类，得到供电聚类场景，并确定供电聚类场景的聚类数量；将供电场景输入资源配置模型以确定配置方案，包括：将供电聚类场景分类输入资源配置模型以确定配置方案。

其中，聚类通过分析数据样本间的相似性和差异性，将数据划分为多个互不重叠的群组，以实现各群组的数据样本相似性高，且不同群组的数据样本差异性高。

示例性的，可以通过轮廓系数法和手肘法确定供电场景的聚类数量，例如，如图所示，由于一年内各月份的历史运行数据相似性高，且不同月份的历史运行数据差异性高，可以确定十二为供电场景的聚类数量。通过基于中心点的聚类算法进行供电场景的场景聚类，得到十二个月份中各时刻和历史运行数据的供电聚类场景。资源配置模型获取实时时刻，根据实时时刻可以确定实时时刻对应的供电聚类场景，得到实时预测场景，根据实时预测场景进行目标需求资源的配置，得到配置方案。

本实施例中，由于大量历史运行数据存在复杂的变化和混合的场景，通过聚类分析，可以将历史运行数据分成更小、更可管理的子集，进而降低分析的复杂性，提高了资源配置方法的效率。还可以识别哪些特征对于区分不同场景最为重要，进而关注和利用那些具有显著影响力的特征，从而更有效地进行数据分析和决策制定。

在一个实施例中，功率约束条件包括功率平衡约束条件和能量约束条件，获取电力系统中供电侧和需求侧的功率约束条件，包括：获取供电聚类场景中供电侧的供电功率和用电侧的用电功率；功率平衡约束条件通过供电功率和用电功率的关系确定；获取新能源的能量衰减系数，能量约束条件通过能量衰减系数和用电功率的关系确定。

其中，功率约束条件是指在电力系统中，对电力设备功率的使用或分配进行限制。能量衰减系数是指在电力系统中，新能源产生的能量随着时间、距离或其他因素的变化而减少的比例或速率。

示例性的，在电力系统供电侧通过新能源发电和火电厂发电，需求侧通过空调、电动汽车充电桩和储能装置进行能量消耗的情况下，电力系统的能量约束条件表示如下：

其中，

在需求侧，由于不同的电力设备可以对应不同的目标需求资源，因此不同的电力设备可以对应不同的能量产生和变化方式。对不同的电力设备基于能量状态变化方程、能量约束条件和功率约束条件构建对应的能量模型，其中，能量状态变化方程、能量约束条件和功率约束条件的表达式如下：

其中，e

通过将各能量模型聚合，得到聚合后的能量模型，基于聚合后的能量模型可以实现对分散的目标需求资源进行资源聚合分析。聚合后的能量模型的参数可以通过对各能量模型的参数进行求和运算或者加权平均运算得到。基于加权平均得到聚合后的能量模型的各参数表示如下：

其中，ρ

其中，

在供电侧，对火电厂的最小发电量和最大发电量进行约束，得到供电侧能量约束条件的表达式如下：

其中，

本实施例中，功率约束条件可以实现资源配置方法在电力系统的安全范围内进行，避免超过电力系统能够承受的最大功率负荷，减少电力系统的风险，维持系统的稳定运行。

在一个实施例中，如图4所示，提供了一种资源配置方法，该方法包括以下步骤：

步骤402，获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源。

示例性的，获取如表1所示的配置不同类型目标需求资源的单位投资成本，以及电力系统中可配置不同类型需求资源的最大配置容量或规模。

表1

步骤404，获取供电侧通过新能源供电的历史运行数据。

步骤406，基于分位数回归方法构建回归模型，其中，分位数是指将一个随机变量的概率分布范围分为几个等份的数值点。

步骤408，将历史运行数据输入回归模型，确定历史运行数据的各分位数回归值。

步骤410，基于分位数回归值和分位数回归值对应的分位数确定历史运行数据的累积概率分布函数。

步骤412，对累积概率分布函数进行求导运算，得到概率分布函数。

步骤414，通过概率分布函数进行概率预测，得到预测运行数据和预测运行数据对应的运行概率，基于预测运行数据和运行概率建立新能源供电的供电场景。

示例性的，根据历史运行数据与概率分布函数，可以得到如表2所示的2025-2031光伏和煤电规划的额定容量值。

表2

步骤416，对供电场景进行聚类，得到供电聚类场景，并确定供电聚类场景的聚类数量。

步骤418，获取供电聚类场景中供电侧的供电功率和用电侧的用电功率。

步骤420，功率平衡约束条件通过供电功率和用电功率的关系确定。

步骤422，获取新能源的能量衰减系数，能量约束条件通过能量衰减系数和用电功率的关系确定。

步骤424，基于平衡约束条件和能量约束条件对资源配置模型进行约束，得到目标需求资源的配置方案。

步骤426，对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。

示例性的，基于光伏和煤电规划额定容量的预测结果，和各目标需求资源的单位配置代价值，确定2025-2031年每年目标需求资源的目标配置方案。

表3

本实施例中，通过获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。通过考虑电力系统需求侧和供电侧的功率平衡约束实现电力系统完全消化和吸收能量，对电力系统整体的灵活性进行分析，提高了电力系统的效率、稳定性和可靠性，并通过在电力系统中最小化配置目标需求资源的配置代价值，降低了系统的成本。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的资源配置方法的资源配置装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个资源配置装置实施例中的具体限定可以参见上文中对于资源配置方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种资源配置装置500，包括：模型构建模块502、功率约束模块504和资源配置模块506，其中：

模型构建模块502，用于获取在电力系统需求侧配置目标需求资源的单位配置代价值，基于单位配置代价值构建资源配置模型，其中，目标需求资源是指可以根据电力系统供应的电能资源进行调整并灵活响应的需求侧资源；

功率约束模块504，用于获取电力系统中供电侧和需求侧的功率约束条件，基于功率约束条件对资源配置模型进行约束，得到目标需求资源的配置方案；

资源配置模块506，用于对配置方案和单位配置代价值进行计算，得到配置代价值，将配置代价值最小时的配置方案确定为目标配置方案，根据目标配置方案在电力系统配置目标需求资源。

在一个实施例中，如图6所示，该装置还包括场景构建模块608，场景构建模块608用于获取供电侧通过新能源供电的历史运行数据；对历史运行数据进行概率预测，得到预测运行数据和预测运行数据对应的运行概率；基于预测运行数据和运行概率建立新能源供电的供电场景，将供电场景输入资源配置模型以确定配置方案。

在一个实施例中，场景构建模块608还用于对历史运行数据进行概率预测，包括：基于分位数回归方法构建回归模型，其中，分位数是指将一个随机变量的概率分布范围分为几个等份的数值点；将历史运行数据输入回归模型，确定历史运行数据的各分位数回归值；根据分位数回归值和分位数回归值对应的分位数得到历史运行数据的概率分布函数。

在一个实施例中，场景构建模块608还用于根据分位数回归值和分位数回归值对应的分位数得到历史运行数据的概率分布函数，包括：基于分位数回归值和分位数回归值对应的分位数确定历史运行数据的累积概率分布函数；对累积概率分布函数进行求导运算，得到概率分布函数。

在一个实施例中，场景构建模块608还用于基于概率结果和历史运行数据建立新能源供电的供电场景，包括：对供电场景进行聚类，得到供电聚类场景，并确定供电聚类场景的聚类数量；将供电场景输入资源配置模型以确定配置方案，包括：将供电聚类场景分类输入资源配置模型以确定配置方案。

在一个实施例中，场景构建模块608还用于其中，功率约束条件包括功率平衡约束条件和能量约束条件，获取电力系统中供电侧和需求侧的功率约束条件，包括：获取供电聚类场景中供电侧的供电功率和用电侧的用电功率；功率平衡约束条件通过供电功率和用电功率的关系确定；获取新能源的能量衰减系数，能量约束条件通过能量衰减系数和用电功率的关系确定。

上述资源配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储资源配置数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种资源配置方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种资源配置方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，前述结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

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