1.一种基于改进鲸鱼算法的直流微电网下垂系数优化方法，其特征在于，包括以下步骤：S1：读取直流微电网下每个微源的电流和电压参数，根据微源数量设置鲸鱼数量，设定迭代次数，根据电流和电压参数计算每个微源的有功偏差，确定适应度函数，根据多个有功偏差创建初始种群；

S2：计算适应度函数值，判断适应度函数值大于系统要求且迭代数小于设定值时进入新的更新周期：根据概率因子p和系数A选择搜索觅食、收缩包围和螺旋更新位置三个阶段，当概率因子大于等于设定值时，进入螺旋更新位置，反之，进入搜索觅食和收缩包围阶段；

S3：更新个体位置，重复步骤2直到满足要求或达到迭代上限，得到新的下垂系数；

所述步骤S2中，搜索觅食为鲸鱼个体根据彼此位置进行随机搜索，其数学模型表示为：D＝|C·Xrand(t)‑X(t)|

式中，Xrand(t)是从当前鲸鱼群体中随机选取的鲸鱼个体，X(t)是当前的鲸鱼个体位置；

X(t+1)＝Xrand(t)‑A·|C·Xrand(t)‑X(t)|式中A和C是系数向量，其定义式为

A＝2a·r1‑a

C＝2·r2

式中的r1和r2是[0，1]之间的随机数，a被称为控制参数，随迭代次数t的增加从2线性减小到0，即式中Max_iter为最大迭代次数；当|A|≥1时，鲸鱼进入搜索觅食阶段，鲸鱼个体会根据各自的相位位置进行随机搜索。

2.根据权利要求1所述的一种基于改进鲸鱼算法的直流微电网下垂系数优化方法，其特征在于，搜索步骤2中收缩包围具体为：当|A|<1时，鲸鱼个体会向着当前位置最优的鲸鱼靠近，其数学模型可表示为：D＝|C·Xbest(t)‑X(t)|

X(t+1)＝Xbest(t)‑A·|C·Xbest(t)‑X(t)|式中，Xbest(t)是当前鲸鱼群体中位置最佳的鲸鱼个体，A·|C·Xbest(t)‑X(t)|为包围步长，|A|越大时鲸鱼游走的步长越大。

3.根据权利要求2所述的一种基于改进鲸鱼算法的直流微电网下垂系数优化方法，其特征在于，在螺旋更新位置阶段，螺旋更新的初始点为当前鲸鱼个体的位置，目标终点是当前最佳鲸鱼个体的位置，其数学模型可表示为：D′＝|Xbest(t)‑X(t)|

式中的D′表示当前鲸鱼个体与最佳位置鲸鱼之间的距离；

bl

X(t+1)＝D′·e ·cos(2πl)+Xbest(t)式中b是常量系数，l是[‑1，1]之间的随机数。

4.根据权利要求1所述的一种基于改进鲸鱼算法的直流微电网下垂系数优化方法，其特征在于，搜索觅食、收缩包围和螺旋更新位置三个阶段的选择是由概率因子p和系数|A|的值来共同决定，当p≥0.5时，进入螺旋更新位置阶段；p<0.5，进入搜索觅食阶段和收缩包围阶段，收缩包围和觅食的数学模型可表示为：

5.根据权利要求4所述的一种基于改进鲸鱼算法的直流微电网下垂系数优化方法，其特征在于，所述鲸鱼搜索觅食时的位置更新公式为：X(t+1)＝Xrand(t)‑w·A·D

其中，w为非线性时变自适应权重因子，定义如下：

其中，k为调节系数。

6.根据权利要求4所述的一种基于改进鲸鱼算法的直流微电网下垂系数优化方法，其特征在于，所述鲸鱼收缩包围时的位置更新公式为：X(t+1)＝Xbest(t)‑A·D+λ

其中，λ为差分变异微扰因子，定义如下：

λ＝F·(Xbest(t)‑X(t))

其中，F为变异尺度因子。

7.根据权利要求4所述的一种基于改进鲸鱼算法的直流微电网下垂系数优化方法，其特征在于，所述鲸鱼螺旋更新时的位置更新公式为：X(t+1)＝w·D′·(b·l)·cos(2πl)+Xbest(t)。

8.一种基于改进鲸鱼算法的直流微电网下垂系数优化系统，其特征在于，包括多个并联在直流母线上的微电网孤岛、下垂控制器、WOA模块，所述下垂控制器获取直流母线的当前功率，并计算当前下垂系数，并将下垂系统发送给WOA模块，所述WOA模块执行权利要求1至7任一所述的方法，得到优化后的下垂系数发送给下垂控制器，下垂控制器根据优化后的下垂系数控制微电网孤岛的功率输出。

9.根据权利要求8所述的一种改进经验算法的直流微电网下垂系统优化系统，其特征在于，所述WOA模块包括有功偏差计算单元、适应度函数计算单元、时钟更新单元；所述下垂控制器的输出端与有功偏差计算单元通信连接，有功偏差计算单元与适应度函数计算单元通信连接，适应度函数计算单元与时钟更新单元通信连接，时钟更新单元与下垂控制器通信连接。