1.考虑风机出力不确定成本的多目标优化方法，其特征在于，采用RBF神经网络预测出风机日前出力情况后建立风机出力不确定区间及风机运行不确定成本，建立以风机运行成本最小、风机运行不确定成本最小、风电并网安全功率最大、风机启停次数最少为目标的优化模型，利用鲁棒优化理论并结合对风机运行不确定成本的柔性调节将优化模型转化为多目标确定性模型，求解所述多目标确定性模型以确定风机出力优化方案。

2.根据权利要求1所述考虑风机出力不确定成本的多目标优化方法，其特征在于，所述风机出力不确定区间及风机运行不确定成本为： 其中，为RBF神经网络预测的第j个风机在t时刻出力波动值的上下限， 为第j个风机在t时刻的不确定性区间系数， Δt为在t时刻风机运行的不确定代价，Δt∈(0,NW]，NW为风机总数。

3.根据权利要求1或2所述考虑风机出力不确定成本的多目标优化方法，其特征在于，所述风机运行成本包含风机运行成本以及相邻时刻风机启停状态变化带来的运行成本。

4.根据权利要求3所述考虑风机出力不确定成本的多目标优化方法，其特征在于，风机运行成本最小的表达式为： 其中，Fcost为风机运行成本，T为调度周期长度， 分别为第j个风机在t-1时刻，t时刻的启停状态变量，αj、δj分别为第j个风机开启、关闭的成本参数，βj为第j个风机运行的成本参数， 为第j个风机在t时刻的出力。

5.根据权利要4所述考虑风机出力不确定成本的多目标优化方法，其特征在于，风机运行不确定成本最小的表达式为：风电并网安全功率最大的表达式为：

风机启停次数最少的表达式为：

其中，Funcer为风机运行的不确定成本，μj为第j个风机不确定性的惩罚系数， 为第j个风机在t+1时刻的启停状态变量， 为第j个风机在t+1时刻的出力，Esafe为电网调度风电的电量，Ffre为风机启停次数。

6.根据权利要求5所述考虑风机出力不确定成本的多目标优化方法，其特征在于，所述优化模型还包括：功率平衡约束：

旋转备用约束：

风电、火电机组输出功率约束：

爬坡速度约束：

最小启停时间约束：

其中， 为第f个火电机组在t时刻的出力，Nv为火电机组的数量， 为t时刻的负荷需求， 为t时刻的电力传输损失， 为t时刻备用储能的充电需求， 为t时刻的配电网电能补充， 和 分别为第j个风机在t时刻的最大可用出力和最小可用出力，和 分别为t时刻应对风电功率波动所需的正负旋转备用，Pvf,max和Pvf,min分别为第f个火电机组的最大出力和最小出力， 为第f个火电机组在t时刻的出力，Pstorage,max为备用储能的最大容量，L为系统负荷的旋转备用率，L∈[0,100)，Pwj,max和Pwj,min分别为第j个风机输出功率的上下限， 为第j个风机在t-1时刻的出力，Pwj,high和Pwj,low分别为第j个风机的上升出力限制和下降出力限制， 和 分别为第j个风机在t时刻的开机持续时间和停机持续时间， 和 分别为第j个风机的最小开机时间和最小停机时间。

7.根据权利要求6所述考虑风机出力不确定成本的多目标优化方法，其特征在于，利用鲁棒优化理论并结合对风机运行不确定成本的柔性调节将优化模型转化为多目标确定性模型的具体过程为：将风机出力不确定区间及负荷平衡约束带入旋转备用约束，根据线性对偶理论并通过构造拉格朗日函数的方式简化旋转备用约束为：通过柔性调节风机不确定成本以确定风机不确定性区间系数，其中，μt、δt、λt均为t时刻的拉格朗日系数。

8.根据权利要求1所述考虑风机出力不确定成本的多目标优化方法，其特征在于，采用基于PSO算法的带权极小理想点法求解所述多目标确定性模型以确定风机出力优化方案。