1.一种计及风电置信风险的多目标最优潮流计算方法，其特征在于，所述方法基于风电随机分布概率密度和机会约束，提出风电高估/低估置信风险功率偏差量化计算方法；通过计及风电高估/低估置信风险，并在决策变量中引入变压器变比调节和无功补偿容量优化，构建源网协调运行的经济/风险多目标最优潮流计算模型；通过将可行性排序操作、非劣性排序操作和回溯搜索算法进行有机融合，设计出基于可行性和非劣性综合排序回溯搜索算法对经济/风险多目标最优潮流模型高效准确求解；

所述基于可行性和非劣性综合排序回溯搜索算法，为了实现种群更为高效地进化至可行域内，设计了一种可行性排序机制；

每个个体ui到其第j维变量约束的边界距离vi,j表示为：式中，j∈{1,…,NS}，NS为模型中约束变量的维数；xi,j为个体ui的第j维约束变量值；

xmin,j、xmax,j分别为第j维约束变量的下限和上限；

个体ui的可行度Cf,i计算式如下：

式中，vmax,j为种群中第j维约束变量至其边界距离的最大值；可行度Cf可用于表征个体到其可行解区域的边界距离，即若Cf越接近于1，则个体到可行解区域距离越近，而当Cf为1时，个体已到达可行域内；

对种群内所有个体按照可行度值进行降序排序；然后将可行度设定为选择算子，通过选择机制筛选掉可行度值小的个体，保留可行度值大的个体，种群将朝可行域方向不断进化；当已经产生足够多的可行解个体时，进一步采用帕累托非劣性排序操作并基于回溯搜索进行迭代寻优，最终得到高质量帕累托最优解集。

2.根据权利要求1所述的计及风电置信风险的多目标最优潮流计算方法，其特征在于，所述基于风电机会约束的风电高估/低估置信风险功率偏差量化计算方法如下：风电具有很强的随机性和间歇性，风电实际出力与期望值会存在一定偏差，即风电的计划出力会高于或低于实际出力，将风电出力分为高估和低估两种情况；若风电机组出力被高估，即风电机组实际出力低于计划出力；若风电机组出力被低估，即风电机组实际出力高于计划出力；为维持系统用电平衡，系统需增加旋转备用容量或处理超出计划值的发电量，并进行功率再平衡调整；调整时将产生风电高估风险功率偏差DH或低估风险功率偏差DL；考虑风电出力的不确定性概率分布情况下：产生风电高估风险功率偏差DH计算式如下：

式中，NW为系统风电机组数目；Wi、w和fW,i(w)分别为第i台风电机组的出力、实际出力和出力概率密度函数；

产生风电低估风险功率偏差DL计算式如下：

式中，Wr,i为第i台风电机组的额定功率；

为合理灵活地评估风电高估/低估给优化运行带来的风险性，引入机会约束概率；在给定置信水平1‑σ，得到含机会约束的该时段风速置信区间；根据风电机组出力W与风速v的关系，得到风机出力的置信上限/下限；并进一步得到在置信水平1‑σ下风机出力的分段概率密度函数fW(w)；风机出力W等于0和Wr时的累积概率PW如下：风机出力W位于0到Wr之间概率密度函数fW(w)表示为：其中

综上得出第i台风电机组t时段在置信水平1‑σ下高估置信风险功率偏差 和低估置信风险功率偏差 分别表示为：式中： 和 为t时段第i台风机有功出力及其出力的置信下限和上限。

3.根据权利要求1所述的计及风电置信风险的多目标最优潮流计算方法，其特征在于，计及风电置信风险和源网协调运行的经济/风险多目标最优潮流计算模型，包括经济性最优目标、风电置信风险最小化目标、源网协调约束条件；

经济性最优目标包括常规机组成本、环境成本和风电成本；

所述常规机组成本如下式：

式中，T为电网运行时段总数；NT为系统内常规机组总数；ai、bi、ci、di、ei为第i台常规机组成本系数； 分别为t时段第i台常规机组有功出力、出力下限；

所述环境成本为量化常规机组排放出COx、SOx、NOx有害气体的环境代价，如下式表示：式中，fi为第i台常规机组的环境惩罚系数；αi、βi、γi、ηi、δi为第i台常规机组的污染气体排放系数；

所述风电成本如下式：

式中，hi为第i台风机营运成本系数；NW为系统风电机组数目；

在优化运行期内系统经济性最优目标采用综合成本C最低化表达如下：minC＝CT+CE+CW；

所述风电置信风险最小化目标如下：

在置信水平1‑σ下，优化运行周期内的风电高估置信风险总功率偏差DH(σ)和低估置信风险总功率偏差DL(σ)表示为：分别表示第i台风电机组t时段在置信水平1‑σ下高估置信风险功率偏差和低估置信风险功率偏差：

风电置信风险采用风电置信风险功率综合偏差D(σ)来表征，则风电置信风险最小化目标表达为：minD(σ)＝DH(σ)+DL(σ)；

所述源网协调约束条件包括：

(1)节点功率平衡和支路容量约束；

(2)机组有功/无功上下限约束；

(3)常规机组爬坡约束；

(4)节点电压约束；

(5)变压器变比约束；

(6)无功补偿容量约束；

(7)设备动作次数约束。

4.根据权利要求1所述的计及风电置信风险的多目标最优潮流计算方法，其特征在于，基于可行性和非劣性综合排序回溯搜索算法求解经济/风险最优潮流流程步骤如下：(1)导入数据，输入威布尔分布参数、置信水平，发电机组和各节点负荷需求各项系统参数，最大迭代次数Gmax和混合比例参数Mr算法参数；

(2)初始化，设本系统内含D维决策变量，初始父种群U0和初始历史种群 分别独立由随机产生的n个维数为D的实数编码个体向量组成；设定最大迭代次数Gmax，当前迭代次数g＝0，初始子种群Sg和优选种群Eg为空矩阵，进入如下寻优迭代过程；

(3)基于FNSBS算法寻优

1)种群混合，将父种群Ug和子种群Sg混合成临时种群Tg，采用牛拉法进行潮流计算，得到系统各个节点上的运行状态参数，计算个体的各目标函数值和可行度值；

2)父种群、优选种群更新，此更新过程将遵循目标函数与约束条件相互独立的原则；统计临时种群中的可行解数目Nf，若Nf小于父种群规模Np，执行步骤①；反之，执行步骤②；

①按可行度越小个体在种群中排序越靠后的原则对临时种群重新排序；选取前Np和

0.5Np个个体更新父种群Ug+1和优选种群Eg+1；

②计算各可行解个体的等级值和拥挤距离；按照等级值越大、拥挤距离越小个体在种群中排序越靠后的原则对临时种群重新排序，选取前Np个体以更新父种群Ug+1；按照个体等级值越小越优先，同一等级拥挤距离越大越优先的原则，采用二元锦标赛法更新优选种群Eg+1；

3)子种群更新，对上述优选个体按照回溯搜索变异、交叉策略计算；

4)g＝g+1，进入下一轮迭代，当g≥Gmax则终止迭代；

(4)多目标决策，采用基于虚拟理想距离最短的原则从帕累托最优解集中选取出最佳折衷解。