1.综合考虑光伏出力和负荷需求预测区间的配电网调度方法，其特征在于，建立考虑光伏出力和负荷需求预测区间的配电网调度模型，利用模糊抽样方法对负荷需求预测区间进行抽样，根据抽样得到的预测值求解配电网调度模型，得到兼顾配电网运行可靠性和经济性的调度结果；具体实施步骤如下：步骤1：输入一天内各时段的光照强度历史数据、配电网各节点用电负荷的历史数据、光伏的发电成本和变电站的实时电价；

步骤2：建立光伏出力预测区间模型，选取不同的预测区间置信水平，预测光伏机组的出力区间；

步骤3：建立负荷需求预测区间模型，选取不同的预测区间置信水平，预测负荷需求分布区间；

步骤4：建立考虑光伏出力预测区间和负荷需求预测区间的配电网调度模型；

步骤5：采用隶属度函数模糊抽样方法，对负荷需求在预测区间上进行重复抽样；根据抽样得到的负荷预测值，利用粒子群优化算法求解配电网调度模型，得到兼顾配电网运行可靠性和运行经济性的调度结果。

2.根据权利要求1所述的综合考虑光伏出力和负荷需求预测区间的配电网调度方法，其特征在于，步骤2中基于近似Beta分布的光照强度概率分布函数，建立光伏出力预测区间模型为：其中，f(·)表示光伏出力的概率密度函数，Ppvi表示第i个光伏发电机组的预测发出功率，Ppvi max表示第i个光伏发电机组发出的最大功率； Γ是Gamma函数，α和β是Beta分布的形状参数。

3.根据权利要求2所述的综合考虑光伏出力和负荷需求预测区间的配电网调度方法，其特征在于，根据光伏出力的概率密度函数，采用二分法计算第i个光伏发电机组的光伏出力预测区间的上下限

4.根据权利要求3所述的综合考虑光伏出力和负荷需求预测区间的配电网调度方法，其特征在于，步骤3中基于经验模态分解与稀疏贝叶斯学习相结合的用电负荷分层概率预测方法，建立不同置信度下的建立负荷需求预测区间模型。

5.根据权利要求4所述的综合考虑光伏出力和负荷需求预测区间的配电网调度方法，其特征在于，用电负荷分层概率预测方法具体为：

1)采用核主成分分析方法KPCA提取各用电负荷数据的主分量特征；

2)通过马氏距离加权判定训练用电负荷样本与预测样本之间的相似度，剔除相似度低于设定阈值的样本；

3)采用经验模态分解将步骤2)中选出的训练用电负荷样本中的功率信号分解为高频分量和低频分量；

4)采用稀疏贝叶斯学习方法SBL分别对负荷的高频分量和低频分量进行预测；

5)将不同频段的预测结果进行融合，选取不同的区间置信度，得到不同置信区间的负荷需求预测区间模型。

6.根据权利要求5所述的综合考虑光伏出力和负荷需求预测区间的配电网调度方法，其特征在于，步骤4中建立考虑光伏出力预测区间和负荷需求预测区间的配电网调度模型，具体为：

4.1，建立配电网运行经济性目标函数为：

其中，C表示发电成本，T为一天时刻数，n表示光伏发电机组数量， 表示第i个光伏发电机组在t时刻的输出功率；cpvi是第i个光伏发电机组的单位功率运行成本； 是在t时刻变电站提供的功率；是变电站在t时刻的供电价格；

4.2，建立配电网可靠性目标函数：

max R

其中，R表示配电网可靠性， 表示第i个光伏发电机组的调度出力值，f(·)表示光伏出力的概率密度函数， 和 分别为第i个光伏发电机组在t时刻发出的最小和最大功率；

4.3，配电网调度模型的目标函数为：

min F＝ξC-(1-ξ)κR

其中，ξ为权重系数，κ为量纲转换常数；

4.4，配电网调度模型的约束条件为：

其中， 表示配电网节点在t时刻的电压大小， 和 分别表示配电网节点在t时刻允许的电压最小值和最大值； 为t时刻第J次负荷抽样下第i个光伏发电机组的光伏出力， 为t时刻的配电网网损， 为t时刻第l个节点的负荷大小， 为第J次抽样负荷，L为配电网节点数。

7.根据权利要求6所述的综合考虑光伏出力和负荷需求预测区间的配电网调度方法，其特征在于，步骤5中采用隶属度函数模糊抽样方法，对负荷需求在预测区间上进行重复抽样，具体为：把置信度为 的第l个节点的负荷需求预测区间[PLlmin,PLlmax]划分成r个子区间，表示为a1,…,aθ,…,ar，其中，aθ为 θ＝1,

2,…,r；

在第θ个区间内抽样jθ次得到的抽样值 其中jθ＝J/r，则对负荷需求的抽样值为：其中， 表示第θ个区间aθ的置信度。

8.根据权利要求7所述的综合考虑光伏出力和负荷需求预测区间的配电网调度方法，其特征在于，各子区间内负荷分布服从一定的模糊隶属度函数。

9.根据权利要求7所述的综合考虑光伏出力和负荷需求预测区间的配电网调度方法，其特征在于，各子区间内负荷分布服从三角隶属度函数。