1.一种用于供需预测偏差二次修正储能能量管理算法，其特征在于，包括以下步骤：步骤1、基于日前阶段风光出力以及负荷需求预测值，考虑经济收益最大化，建立日前调度阶段经济调度模型，并采用粒子群算法进行求解；

步骤2、在日内调度阶段，基于日前阶段以及日内阶段风光出力以及负荷需求预测值，在本阶段内，将在日内各时段更新的风光出力以及负荷需求预测值与各自日前调度阶段风光出力以及负荷需求预测值进行比较，考虑备用储能容量约束，调整备用储能的出力，同时考虑并网需求；

步骤3、当系统日内调度阶段供需功率偏差值大于日前调度阶段供需功率偏差值时，风光互补发电系统以及混合储能系统大于用电需求，由备用储能充电修正功率偏差值，存储系统剩余产能；当备用储能荷电状态达到δmax时，并网向电网输送电能，如果处于电网用电低谷，则弃除多余风光出力产能，保持电网稳定运行；

当系统日内调度阶段供需功率偏差值小于日前调度阶段供需功率偏差值时，风光互补发电系统以及混合储能系统小于用电需求，由备用储能放电修正功率偏差值，释放能量，由风光互补发电系统、混合储能系统以及备用储能系统同时协同供电；当备用储能荷电状态降至δmin时，启动并网，由电网结合风光互补发电系统以及混合储能系统协同供电；

当系统日内调度阶段供需功率偏差值等于日前调度阶段供需功率偏差值时，系统按日前调度阶段定制的策略控制各模块出力。

2.根据权利要求1所述的一种用于供需预测偏差二次修正储能能量管理算法，其特征在于，所述步骤1包括以下步骤：步骤1.1、根据日前调度阶段的天气数据对风光出力以及负荷需求进行预测，获取风光出力、负荷需求预测数据；

步骤1.2、建立日前调度阶段经济调度模型，日前调度阶段经济调度模型如下所示:F1＝Fb+Fo‑Fgs+Fgp

其中F1、Fl、Fb、Fo、Fgs、Fgp分别为系统日前调度阶段的总利润、负荷利润、储能系统的运行及维护成本、风光互补发电系统的运行及维护成本、从电网赚取的收益以及从电网购电成本；Pla，t、Ppva，t、Pwa，t、Pb，t、Pg，t分别为在t时段的负荷预测需求、光伏发电预测功率、风力发电预测功率、储能出力以及并网交换功率；Cl，t、Cpv、Cw、Cb、Cgh，t、Cgp，t分别为t时段用户负荷侧的购电单位成本、光伏单位运行成本、风力发电单位运行成本、储能电池单位运行成本、并网售电单位收益以及并网购电单位成本；Δt为时间间隔；

约束条件如下所示：

Pb，min≤Pb，t≤Pb，max

SOCb，min≤SOCb，t≤SOCb，max

SOCb，0＝SOCb，24

Pb，t+Pg，t+Pl，t＝Ppva，t+Pwa，t

其中Pb，min、Pb，max、SOCb，min、SOCb，max分别为储能电池的最大充电功率、最大放电功率、荷电状态最小值以及荷电状态最大值；SOCb，0、SOCb，24分别为储能电池的0点以及24点的荷电状态值；

荷电状态计算公式如下所示；

其中，St为一个小时内储能电池荷电状态采样频次，Qb为储能电池容量；

步骤1.3、采用粒子群算法求解日前调度阶段经济调度模型。

3.根据权利要求1所述的一种用于供需预测偏差二次修正储能能量管理算法，其特征在于，所述步骤2包括以下步骤：步骤2.1、根据日前调度中负荷预测数据确定本地负荷和电网负荷峰谷时段，设本地负荷和电网负荷低谷时段位于0‑t1之间；

步骤2.2、在t时段，根据日内天气数据实时更新风光出力以及负荷需求预测数据，并计算修正功率偏差值Δerror，计算方法如下所示；

Δerror＝(Ppvi，t+Pwi，t+Pli，t)‑(Ppva，t+Pwa，t+Pla，t)其中Ppvi，t、Pwi，t、Pli，t分别为日内调度阶段在t时段的光伏发电预测数据、风力发电预测数据以及负荷需求预测数据；

步骤2.3、根据Δerror的正负情况，为满足本地负荷的正常运行，提高系统新能源利用率、经济收益；如果Δerror大于0，说明系统内产能剩余，此时由备用储能充电吸收部分能量，当产能剩余而备用储能达到约束条件时，为降低用电低谷时段并网输送电能对电网产生诸如频率升高等影响，将该部分产能舍弃；如果Δerror等于0，系统按日前调度计划控制各分布式电源出力；如果Δerror小于0，说明系统内产能不足，此时由备用储能放电，弥补不足的能量缺额；

步骤2.4、进入下一24小时阶段性电池行为规划，重复步骤2.2与步骤2.3至调度周期结束。