1.一种考虑电动汽车充电对电网机组组合影响的机组优化启停方法，其特征在于，所述方法包括：步骤1：建立机组组合的目标函数：式中，J(P it ,u it ,P t n )是指机组组合目标函数；f VAR 表示方差函数；T为机组组合期间的时段数；n为系统机组个数；P it 为第i台发电机组第t时段的有功出力；u it 为机组i在t时段的启停状态，u i,t-1 为机组i在t-1时段的启停状态，1代表处于运行状态，0代表处于停机状态；F i (P it )为第i台发电机组第t时段出力为P it 的燃料成本函数；S i 为第i台发电机组的启停成本函数；P t n 为考虑换电站充放电功率的净负荷；M为表示负荷波动的惩罚系数；步骤2：给定机组组合目标函数对应的机组组合约束条件，包括功率平衡约束、机组出力上限和下限约束、旋转和运行备用容量约束、发电机组启停时间约束、爬坡约束、EV用户充放电需求约束和EV充电时间约束；步骤3：利用蚁群算法结合约束条件求解机组组合的目标函数，利用蚁群算法进行机组启停的优化，得到基于连续蚁群算法的机组最优组合和最小发电成本，并求解出电力系统机组的出力计划和特定时间的电动汽车的充放电控制计划；所述步骤3具体包括：S31.对所述目标函数进行参数初始化和线路建设；S32.采用约束值对机组的出力计划进行适应度评价；S33.对线索强度进行更新；S34.优化过程直到迭代次数达到预定值，或者目标函数的值在一定次数的迭代中停止改进，从而得到最佳优化方案。
2.根据权利要求1所述的方法，其特征在于，在所述步骤1中，选取发电机组最低运行成本作为优化目标，建立机组组合的目标函数。
3.根据权利要求2所述的方法，其特征在于：发电机组运行成本包括发电机组的燃料成本和启停成本。
4.根据权利要求1所述的方法，其特征在于，式(1)中，F i (P it )，S i ，P t n 具体计算公式如下：F i (P it )＝a i (P it ) 2 +b i P it +c i (2)式中，a i ，b i ，c i 为第i个发电机组的燃料成本系数；Hcost i 为第i个发电机组的热启动成本；Ccost i 第i个发电机组的冷启动成本；T i min 为第i个发电机组的最小允许停机时间； 为第i个发电机组t时段之前的连续停机时间； 为第i个发电机组的停机时间；T i c 为第i个发电机组的冷启动时间；P dt 为t时段内换电站吸收的电网功率； 为换电站j在t时段充电、放电功率。
5.根据权利要求1所述的方法，其特征在于，所述功率平衡约束为：式中，P it 为第i个发电机组在第t时段的有功出力；P tD 为第t时段功率指令；u it 为机组i在t时段的启停状态，1代表处于运行状态，0代表处于停机状态；D t 为第t时段的负荷，L t 为第t时段的系统网损。
6.根据权利要求1或5所述的方法，其特征在于，其中机组出力上限和下限约束为：式中， 为第i个发电机组在第t时段的最小出力； 为第i个发电机组在第t时段的最大出力。
7.根据权利要求6所述的方法，其特征在于，其中旋转和运行备用容量约束为：式中，SR it 为第i个发电机组在第t时段的机组旋转备用容量，SR jt 为第j个负荷第t时段的旋转备用容量，SR Dt 为第t时段的旋转备用容量；OR it 第i个发电机组在第t时段的机组运行储备容量，OR jt 为第j个负荷第t时段的运行储备容量，OR Dt 为第t时段的运行储备容量。
8.根据权利要求7所述的方法，其特征在于，其中发电机组启停时间约束为：如果u it 为1如果u it 为0式中， 为第i个发电机组t时段连续运行时间；T i on 为第i个发电机组允许的最短运行时间； 为第i个发电机组t时段连续停机时间；T i off 第i个发电机组允许的最短停机时间，u i,t+1 为机组i在t+1时段的启停状态，1代表处于运行状态，0代表处于停机状态。
9.根据权利要求8所述的方法，其特征在于，其中爬坡约束为：式中，P it 为第i台发电机组第t时段的有功出力，P i,t+1 为第i台发电机组第t+1时段的有功出力， 为第i个发电机组的降出力速度限制； 为第i个发电机组的增出力速度限制。
10.根据权利要求9所述的方法，其特征在于，其中EV用户充放电需求约束为：考虑电池寿命问题，设定一天之内的放电总量为式中，P total,min 指全机组的最小出力，P iEV 指含电动汽车充电的第i个电力系统机组的出力，P total,max 指全机组的最大出力。
11.根据权利要求10所述的方法，其特征在于，其中EV充电时间约束为：t cn ≤t n ≤t dn -1 (15)式中，t cn 为第n辆电动汽车并入电网的时刻；t dn 为第n辆电动汽车断开电网的时刻；t n 为给第n辆电动汽车充电的时刻，上述条件约束只有当电动汽车处于并网状态时，才可对其进行调控。
12.如权利要求11所述的方法，其特征在于，所述蚁群算法的目标函数包括：式中，J是指机组组合目标函数，F(P tD )为发电机组第t时段的出力为P tD 的运行煤耗， 为线索强度初始值；f VAR 表示方差函数；T为机组组合期间的时段数；n为系统机组个数；P it 为机组i在t时段的有功出力；u it 为机组i在t时段的启停状态，u i,t-1 为机组i在t-1时段的启停状态，；S i 为第i台发电机组的启停成本函数；F i (P it )为第i台发电机组第t时段出力为P it 的燃料成本函数；P t n 为考虑换电站充放电功率的净负荷；M表示负荷波动的惩罚系数。
13.根据权利要求12所述的方法，其特征在于，所述步骤S31中，参数初始化过程包括：对式(18)所示的机组组合的目标函数，创建初始机组出力计划位置并赋每条计划线路相同的线索强度水平，指定每个电动汽车的容量，同时在式((6)、(7)、(8)、(9)、(10)、(11)、(12)、(13)、(14)中构造相应的约束条件，作为相应的线索条件的初始值。
14.根据权利要求13所述的方法，其特征在于，所述步骤S31中，线路建设过程具体包括：在这个阶段，每个机组出力计划目标选择下一个移动的节点；考虑到线索强度和距离，机组出力计划目标移动到通过较短边缘或较高线索强度连接的状态；重复此过程直到所有机组出力计划完成他们的搜索。
15.根据权利要求14所述的方法，其特征在于，位于节点r中的机组出力计划根据以下规则选择节点s用于其下一步骤：式中，s为式(1)、(3)、(4)通过机组出力计划的蚁群算法所寻找到的最优节点；S是基于式(20)中给出的概率分布选择的随机变量，对应机组组合第i台发电机组的启停成本函数S i ，τ是线索强度水平，t(r,u)是指节点r到u处的线索强度，η(r,u)是指节点r到u处的残留的线索强度；β>0是一个参数，它决定了线索强度相对于距离的相对重要性，反映了连续阶段之间目标函数值相对于线索强度的减少的相对重要性，其值越大则该最优节点越接近于贪心规则；节点r处的机组出力计划k选择移动到节点s的概率为：式中，p k (r,s)表示节点r处的机组出力计划k选择移动到节点s的概率；J k (r)是位于节点r的机组出力计划k要访问的节点集。
16.根据权利要求15所述的方法，其特征在于，所述式(19)中η＝1/δ，即等于距离δ(r,u)的倒数的启发式值；对于机组出力计划而言δ(r,u)越小，则η越大，u也就越大，选择前往节点u的可能性就越大；该启发函数η(r,u)表示蚂蚁从节点r转移到节点u的期望程度。
17.根据权利要求16所述的方法，其特征在于，δ(r,u)为该线路上的权值，在求解局部最优线路时为r到u的线路消耗的电量，在优化充电方案时为选择到达节点u需要的充电时间。
18.根据权利要求17所述的方法，其特征在于，所述步骤S32中，约束值适应度评价具体包括：适应度函数选择为当前出力计划的出力和最小机组的出力差值的倒数，如式(21)所示，即其中，P K 为当前出力计划k的出力，P n,min 为最小机组的出力；通过式(15)中的充电时间的约束来评价每个机组出力计划的适应度水平，通过适应度评估系数C(Ω (t) )评估每个机组出力计划的适应度进而对各约束条件的作用权重进行评估，及时调整各约束条件的约束值，寻求最优的约束，以使目标函数得最终结果为最佳期望值。
19.根据权利要求18所述的方法，其特征在于，所述步骤S33包括：构建解决方案后，成本目标i有其位置列表Ω (t) 和适应度评估系数C(Ω (t) )，所有路径强度都根据本地更新的公式进行更新：其中，式中0<ρ<1是启发式定义的系数； 是经过时间t得到的路径线索强度； 是经过时间t之后路径线索强度的本地更新结果，在每次迭代中具有最高适应度的成本目标将最大量的线索强度沉积到其位置列表的边缘；如果机组出力计划k在此导览中具有最佳解决方案，那么其位置列表中这些边缘的线索强度通过全局更新规则进一步修改：其中，K pher 是与踪迹存款相关的常数，Ω (t) 是位置列表，C(Ω (t) )是适应度评估系数；通过位置列表Ω (t) 设置相应的评估系数，对于不同的位置评估系数是不同的；通过适应度函数式(21)的数值去调整不同出力计划、不同位置的评估系数C(Ω (t) )的大小以此去评估每个机组出力计划的适应度，进而对各约束条件的作用权重进行评估，及时调整各约束条件的约束值，寻求最优的约束，以使目标函数得最终结果为最佳期望值。
20.根据权利要求19所述的方法，其特征在于，所述步骤S34包括：优化过程直到迭代次数达到预定值，或者目标函数的值在一定次数的迭代中停止改进；通过式(3)、(4)、(11)的发电机组的启停成本函数和发电机的停机时限，综合二者得到目标函数停止迭代的次数和时间，最终可以获得最佳的优化方案。
