1.一种基于合作博弈提高风电消纳的热电联合调度方法，其特征在于，所述方法的步骤如下：步骤1：建立包含热电厂、火电厂、风电场以及蓄热电锅炉的热电联合系统；

步骤2：建立了提高风电消纳能力的热电联合合作博弈模型，模型包括合作模型的构成、参与者的运行策略以及合作博弈下预计经济收益分析；具体过程如下：步骤2-1：合作模型的构成，其中合作博弈的基本要素包括参与者和特征函数；设N＝{1,2,...,n}为博弈的参与者集合，S是一个联盟，v(S)是指S和 的2个联盟博弈S的最大效用，则称v(S)为联盟的特征函数；

步骤2-2：参与者的运行策略，采用“先热负荷平衡、后电负荷平衡”的调度顺序调节机组出力；

热负荷平衡：热电机组按等微增率准则满足基础热负荷，风电场通过蓄热式电锅炉供给剩余热负荷；当某时刻蓄热式电锅炉供给热量不足以满足剩余热负荷时，热电机组按等微增率准则提高供热出力，直到满足热负荷平衡为止；

电负荷平衡：根据热电机组“以热定电”特性确定各时段相应电出力；火电机组以实际装机比例分配剩余电负荷，并按等微增率准则运行；最后风电机组根据剩余电力空间安排各个时段的出力，若某时段的风电不足以弥补供电缺额时，火电机组继续按等微增率准则提高出力，直到满足电负荷平衡为止；

步骤2-3：合作博弈下预计经济收益分析，风电机组单位电量净利润值大于火电机组，火电机组单位电量净利润值大于热电机组，设置横坐标为机组上网电量，纵坐标为单位电量净利润值；OZ为总的电负荷值，OX,XY,YZ分别为风电机组、火电机组以及热电机组合作前的上网电量，当弃风电量满足剩余热负荷需求火电机组和热电机组分别让出一部分电负荷和热负荷值为区域XA,YB,此时风电机组上网量为OX+XA+YB,联盟下单位电量净利润值增加；在合作博弈理论下，通过合理的分配方法，将合作产生的多余利润进行分配，从而使每个参与者的收益多于合作之前收益；当弃风电量不满足剩余热负荷需求，热电机组提高出力，风电机组上网量也为OX+XA+YB，热电机组热电偶和特性，产热同时会产生相应的电量，故火电机组电出力值降低，此时火电机组上网电量为AC,热电机组上网电量为CY+BZ，火电机组降低电出力，单位电量净利润值降低；

步骤3：确定合作博弈下热电厂、火电厂、风电场收益最大的目标函数、约束条件以及联盟收益分配；具体过程如下：步骤3-1，确定目标函数：热电厂、风电场和火电厂达成合作协议后，以合作净收益最大为目标，确定最优的电厂合作调度方案，优化目标函数为：max F(S)＝f1+f2+f3

式中：f1,f2,f3分别为热电厂、风电场、火电厂在调度周期内的净利润；

热电厂、风电场、火电厂在调度周期内的净利润表达式为：式中：T为一个调度周期，取T＝24h；NR,NW,NG分别为热电机组、风电机组、火电机组数；

PR,i,t,PW,i,t,PG,i,t分别为热电机组、风电机组、火电机组i在t时刻向电负荷提供的供电功率；HR,i,t为热电机组i在时刻向t热负荷提供的供热功率；PQW,i,t为风电机组i在t时刻向蓄热式电锅炉提供的弃风功率；ui,vi,wi为热电机组煤耗成本系数；ai,bi,ci为火电机组煤耗成本系数；C1,C2,C3分别为热电机组、风电机组、火电机组运行维护成本；热电机组、风电机组、火电机组的运行维护成本分别看做为热电机组向热、电负荷提供供电供热功率之和的线性函数、风电机组向电负荷提供供电功率的线性函数、火电机组向电负荷提供供电功率的线性函数；

各项运行维护成本表达式为：

式中：βR,βW,βG分别为热电机组、风电机组、火电机组支付成本；

步骤3-2，确定约束条件，包括：

步骤3-2-1，功率平衡约束

电功率平衡约束：

热功率平衡约束：

式中：HEB,t为t时刻电锅炉制热功率；HHstor,t为t时刻蓄热装置储放热出力；PL,t,HL,t分别为t时刻电、热负荷值；

步骤3-2-1，机组相关约束：

1)火电机组约束，

机组出力上下限约束：

机组爬坡约束：

-Δri,down≤PG,i,t-PG,i,t-1≤Δri,up式中： 分别为火电机组i的最大、最小出力；Δri,up,Δri,down分别为火电机组i的上爬坡限制和下爬坡限制；

2)热电机组约束，

热电机组同时兼备供电供热两个方面，考虑出力上下限时，同时考虑电出力和热出力上下限的约束，出力上下限约束如下：电出力上下限约束：

热出力上下限约束：

电爬坡约束：

-Δdi,down≤PR,i,t-PR,i,t-1≤Δdi,up热爬坡约束：

-Δhi,down≤HR,i,t-HR,i,t-1≤Δhi,up式中： 分别为热电机组i的最大、最小电出力； 为热电能机组i热出力的上限值；Δdi,up,-Δdi,down分别为热电机组i的电出力上爬坡限制和下爬坡限制；Δhi,up,-Δhi,down分别为热电机组i的热出力上爬坡限制和下爬坡限制；

3)风电机组约束：

式中： 为风电机组i在t时刻预测出力；

步骤3-2-3，蓄热式电锅炉运行约束：

1)电锅炉约束：

式中： 为t时段电锅炉允许的最大电功率；

蓄热装置运行约束：

式中：SH,t为t时刻储热容量； 为最大储热容量； 为储热和放热功率最大值；

步骤3-3，基于Shapley值的合作联盟收益分配，假设在合作博弈(N,v)中，对于每一个参与人i，给与一个收益xi，形成一个n维向量X＝(x1,x2...,xn)，且满足：

则称X＝(x1,x2...,xn)是联盟收益的一种分配方法，各参与人利润分配方程为：W(S)＝(|S|-1)！(n-|S|)！/n！式中：S为包含元素i的所有联盟集合；n为N个成员集合；|S|为联盟S元素的个数；v(S)为所有包含元素i的联盟合作收益；v(S\i)为所有不包含元素i的联盟合作收益；W(S)为相应的平均贡献分配系数；

步骤4：确定电锅炉启停控制策略与蓄热装置储放热模型；

步骤5：利用目标函数、约束条件对调度模型进行优化、求解，获得优化调度模型。

2.根据权利要求1所述的一种基于合作博弈提高风电消纳的热电联合调度方法，其特征在于，所述步骤1的蓄热式电锅炉利用弃风电量实现供热，并与热电机组配合满足热负荷平衡，根据弃风量的大小不断调节电锅炉用电容量、蓄热装置工作方式以及热电机组出力。

3.根据权利要求1所述的一种基于合作博弈提高风电消纳的热电联合调度方法，其特征在于，所述步骤4的具体过程如下：在热电联合调度中，引入多个0-1整数优化变量反应电锅炉启停和蓄热装置储放热状态，电锅炉有2种不同运行状态：1)启动状态，定义状态变量为u(t)，其值为1；2)停止状态，定义其状态变量为v(t)，其值为0；蓄热装置有2种不同的运行状态：1)储热状态，μt＝1；2)放热状态，μt＝0；

步骤4-1，电锅炉启停控制策略，在具有剩余热力空间和弃风时段开启电锅炉调峰具有剩余热力空间标志定义为：具有弃风的标志定义为：

式中：HRe,t＝Pqf,t＝0表示在t时刻不具有剩余热力空间和弃风电量；HRe,t＝Pqf,t＝1表示在t时刻具有剩余热力空间和弃风电量；

电锅炉启停标志定义为：

式中：SEB为电锅炉启停状态，0为停止，1为启动；

电锅炉的耗电量和热输出之间呈正比例关系，随着电锅炉的耗电量增加，其产热量也会增加，其供热出力公式定义为：HEB,t＝PEB,tηEBSEB

式中：PEB,t为t时刻电锅炉消耗电功率；ηEB为电锅炉电热转换效率，取95％；

步骤4-2，蓄热装置模型，当弃风量较大时，提高电锅炉出力，此时制热量超过热负荷需求，蓄热装置表现为储热状态，μt＝1；弃风量较小或无弃风时，电锅炉出力与热电机组配合不满足热负荷需求时，此时蓄热装置表现为放热状态，μt＝0；

蓄热装置对外热输出定义为：

式中：Hstor_in,t,Hstor_out,t分别表示为t时刻蓄热装置的储、放热功率；μt表示蓄热装置在t时刻储放热状态，μt＝1时表示蓄热装置为储热状态，μt＝0时表示蓄热装置为放热状态；

γstor_in,t,γstor_out,t分别为t时刻蓄热装置储、放热效率。

4.根据权利要求1所述的一种基于合作博弈提高风电消纳的热电联合调度方法，其特征在于，所述步骤5的具体过程如下：步骤5-1,引入动态惯性权重和压缩因子改进粒子群算法，假设在一个D维搜索空间内，由m个粒子组成种群X，其中第i个粒子表示为一个D维向量的Xi；对于每一个粒子i，其都由3个D维向量组成，分别为目前位置Xi、历史最优位置Pbesti和速度Vi；在每次迭代过程中，粒子将通过个体极值和群体极值更新自身的速度和位置，即：xis(t+1)＝xis(t)+vis(t+1)其中， 为压缩因子；ω为惯性权重；t为当前迭代次数；i＝1,2,…m,s＝1,2,…S；c1和c2为加速因子；r1和r2为分布于[0,1]区间的随机数；

在速度更新公式中，添加了收缩因子，压缩因子为：

采用典型的取法：取c1＝c2＝2.05，C为4.1，收缩因子 为0.729；

在求解过程中，将ω定义为：

ω(s)＝ωstart(ωstart-ωend)*(S-s)/s其中，ωstart为初始惯性权重；ωend为迭代次数最大时的惯性权重；S为最大迭代次数；

步骤5-2，模型求解

利用改进的粒子群算法对模型进行求解；具体步骤如下：

1)粒子初始化，并根据实际气候环境、用户数据及组件参数求出每个粒子的局部最优解和全局最优解；

2)计算每一个粒子的适应度，并判断粒子是否符合约束；

3)比较粒子适应值与它的个体最优解pbest，如果优于pbest，则pbest为当前粒子位置；比较粒子pbest和全局最优解gbest，如果优于gbest，则此粒子的pbest为gbest；

4)更新粒子的速度和位置；

5)继续迭代直至达到最大迭代次数，并输出结果。