1.一种基于改进共生生物搜索的微电网能源调度优化方法，其特征在于，包括以下步骤：步骤1、设计基于多智能体系统的孤岛/并网微电网的结构：其结构包括可再生能源、蓄电池柴油机、负荷、公共连接点、配电网；设计微电网、可再生能源、蓄电池、柴油机、负荷、公共连接点、配电网与智能体之间的连接关系；并具体说明智能体之间的工作关系；

步骤2、建立改进共生生物搜索算法的数学模型：包括互利共生、偏利共生、寄生、重组和变异五个阶段；

步骤3、建立孤岛/并网微电网能源调度优化的数学模型：包括孤岛/并网微电网能源调度优化的目标函数、优化变量和功率平衡约束条件；

步骤4、设计基于改进共生生物搜索算法的孤岛/并网微电网能源调度优化流程：包括输入数据、改进共生生物搜索算法的生态系统初始化、初始化种群、迭代次数设置、计算适应度值、确定最优个体、执行互利共生阶段、偏利共生阶段、寄生阶段、重组阶段、变异阶段、迭代次数判断、输出最优个体的优化步骤；

所述的孤岛/并网微电网，是指：微电网能够工作在孤岛模式或并网模式，微电网通过使用公共连接点智能体控制公共连接点的开关状态使微电网实现孤岛模式和并网模式下的动态切换；

所述步骤1设计基于多智能体系统的孤岛/并网微电网的结构的具体过程为：

所述的基于多智能体系统的孤岛/并网微电网结构，包括可再生能源、蓄电池、柴油机、负荷、微电网与配电网之间的公共连接点和配电网，其中可再生能源、蓄电池、柴油机和负荷通过电力传输线相互连接，配电网通过微电网与配电网之间的公共连接点与可再生能源、蓄电池、柴油机和负荷相连；可再生能源、蓄电池、柴油机、负荷、微电网与配电网之间的公共连接点和配电网分别与相应的智能体相连，其中可再生能源、蓄电池、柴油机、负荷、微电网与配电网之间的公共连接点和配电网的智能体与微电网智能体相连；与可再生能源相连的智能体用于收集可再生能源的功率输出信息以及向可再生能源发送是否需要放弃可再生能源的指令；与蓄电池相连的智能体用于收集蓄电池的荷电状态信息，以及向蓄电池发送充/放电功率指令；与柴油机相连的智能体用于收集柴油机的输出功率上下限信息，以及向柴油机发送输出功率指令；与负荷相连的智能体用于收集每个时刻的负荷数值以及向负荷发送是否需要卸荷的指令；与微电网与配电网之间的公共连接点相连的智能体用于收集微电网与配电网之间的公共连接点的开关状态信息以及向微电网与配电网之间的公共连接点发送闭合或断开的指令；与配电网相连的智能体用于收集配电网电价信息，以及向配电网发送是否需要购售电；微电网智能体用于能源调度优化；与可再生能源、蓄电池、柴油机、负荷、微电网与配电网之间的公共连接点和配电网相连的智能体将收集到的所有数据信息发送至微电网智能体；微电网智能体优化得到的能源调度指令发送至可再生能源、蓄电池、柴油机、负荷、微电网与配电网之间的公共连接点和配电网相连的智能体；所述的基于多智能体系统的孤岛/并网微电网结构考虑了通过智能体对微电网与配电网之间的公共连接点的控制来使得微电网在孤岛模式与并网模式之间进行动态切换运行，有利于提高微电网的经济效益；

所述的步骤2建立改进共生生物搜索算法的数学模型，包括建立互利阶段、偏利共生阶段、寄生阶段、重组阶段和变异阶段的数学模型，其具体过程为：

2.1互利共生阶段

互利共生阶段的目的是增加两种生物体在生态系统中的相互生存优势；新的候选解和 是基于生物体Xn和Xm的互惠互利产生，用式(1)和式(2)表示；根据此规则，生物体Xn和Xm只有当它们新的适应度优于前一次迭代的适应度时才执行更新：B1,B2∈{1,2}    (4)

式中，n,m∈{1,2,…,N}，N是种群大小，n≠m，rand(0,1)是0和1之间的随机值；Xbest是当前迭代的最优个体，Mv是两个生物体间关系特征的“互利向量”，B1和B2是分别是集合{1,2}中的随机一个数，表示互利共生的生物相互间的收益因子；

2.2偏利共生

新的候选解 根据生物体Xn和Xm的偏利共生产生，用式(5)表示；根据此规则，生物体Xn只有当它新的适应度优于前一次迭代的适应度时才执行更新：式中，rand(‑1,1)是‑1和1之间的随机数；

2.3寄生

在改进共生生物搜索算法中，随机选择Xn中的部分维度上的参数进行随机修改，得到一个变异个体，称其为寄生向量，记作Xpv；然后从生态系统中随机选择一个生物体Xm(n≠m)作为Xpv的宿主；计算寄生向量和宿主的适应度值并进行比较，若“寄生向量”的适应度值更好，那么生物体Xm将会被取代，否则Xm将具有免疫性，继续存活并保留在种群中；

2.4重组阶段

在生态系统中，考虑生物体繁殖产生的新生物体存在基因重组情况；随机选择Xm中的部分纬度的参数用于替换Xn中同样纬度的参数，得到一个新的候选解 视其为新的生物体 且发生了基因重组；根据此规则，生物体Xn只有当它新的适应度优于前一次迭代的适应度时才执行更新；

2.5变异阶段

在生态系统中，考虑生物体繁殖产生的新生物体存在基因变异情况；原生物体Xn由于受到生物体Xm和Xk(k≠m)的长期影响后导致繁殖产生的新生物体 发生了基因突变，用式(6)表示；根据此规则，生物体Xn只有当它新的适应度优于前一次迭代的适应度时才执行更新：F∈[0,1]    (7)

式中，n,m,k∈{1,2,…,N}且n≠m≠k，F是变异因子且取值为0.3～0.7之间，变异因子的大小控制了新生物体变异的幅度，其值越大，新生物体变异的幅度越大；反之，其变异幅度越小；

所述的步骤3建立孤岛/并网微电网能源调度优化的数学模型，包括孤岛/并网微电网能源调度优化的目标函数、优化变量以及孤岛/并网微电网在能源调度优化中的功率平衡约束，其具体过程包括：所述的孤岛/并网微电网能源调度优化的数学模型，需考虑微电网在孤岛和并网模式之间的动态切换模型；孤岛/并网微电网能源调度优化的目标是使得总运行成本最低，即经济效益最高；因此，孤岛/并网微电网能源调度优化的目标函数定义如下τt∈{0,1}    (9)

式中，CMG是孤岛/并网微电网能源调度优化的总运行成本，T是总的能源调度时间，和 分别是柴油机和蓄电池的运行成本； 表示放弃可再生能源成本，是指由于孤岛微电网功率过剩时需要放弃部分可再生能源而造成的经济损失； 表示卸荷成本，是指由于孤岛微电网功率不足时需要卸掉部分负荷而造成的经济损失； 和 分别是并网微电网向配电网的购电和售电成本，τt是微电网与配电网之间的公共连接点的状态信息；

当τt＝1时，微电网与配电网之间的公共连接点处于闭合状态，此时微电网与配电网相连，微电网处于并网模式，总运行成本中不计及放弃可再生能源成本和卸荷成本；当τt＝0时，微电网与配电网之间的公共连接点处于断开状态，此时微电网与配电网断开，微电网处于孤岛模式，总运行成本不计及购电和售电成本；

孤岛/并网微电网在改进共生生物搜索算法中的优化变量包括柴油机的输出功率、蓄电池的充电和放电功率、放弃可再生能源的数量、卸荷数量、微电网向配电网的购电和售电数量以及微电网与配电网之间的公共连接点的状态变化，因此，孤岛/并网微电网的优化变量定义如下CDG

式中，Xn是孤岛/并网微电网在改进共生生物搜索算法中的优化变量，Pt 是柴油机的B+ B‑ abRES unLoad输出功率，Pt 和Pt 分别是蓄电池的充电和放电功率，Pt 和Pt 分别是孤岛微电网的Buy Sell放弃可再生能源数量和卸荷数量，Pt 和Pt 分别是并网微电网向配电网的购电和售电数量；

柴油机、蓄电池、可再生能源、负荷、放弃可再生能源数量、卸荷数量、购电和售电数量在能源调度优化中需要满足本身的约束条件；此外，孤岛/并网微电网在能源调度优化中还需要满足功率平衡约束，如式(11)所示：Load RES CDG B‑ B+ Buy Sell abRES unLoadPt ＝Pt +Pt +(Pt ‑Pt )+τt·(Pt ‑Pt )‑(1‑τt)·(Pt ‑Pt )    (11)Load RES式中，Pt 和Pt 分别是孤岛/并网微电网的用户负荷和可再生能源；

所述的步骤4设计基于改进共生生物搜索算法的孤岛/并网微电网能源调度优化流程的具体过程为：包括改进共生生物搜索算法在孤岛/并网微电网能源调度中执行优化时的求解步骤，其算法流程如下：步骤4.1：输入孤岛/并网微电网在t＝1,2,…,T时刻的可再生能源、负荷和分时电价的数据；

步骤4.2：改进共生生物搜索算法的生态系统初始化：设置种群大小N、变量个数D、最大迭代次数G、变异因子F和总的能源调度时间T；

步骤4.3：初始化满足相应约束条件的种群：POP＝(X1,X2,…,XN)；

步骤4.4：令迭代次数为gen＝1；

步骤4.5：根据式(8)计算孤岛/并网微电网能源调度优化的目标函数，即适应度值；

步骤4.6：对N个适应度值进行从大到小进行排序，并确定适应度值最小时对应的最优个体Xbest；

步骤4.7：令n＝1；

步骤4.8：执行互利共生阶段：随机选择两个个体Xn和Xm，根据公式(1)和公式(2)，产生新个体 和 若新个体的适应度值优于原个体的适应度值，则原个体更新为新个体；

步骤4.9：执行偏利共生阶段：根据式(5)产生新个体 若新个体的适应度值优于原个体的适应度值，则原个体更新为新个体；

步骤4.10：执行寄生阶段：随机选择Xn中的部分维度上的参数进行随机修改，得到“寄生向量”Xpv；然后随机个体Xm(n≠m)作为Xpv的宿主；若寄生向量的适应度值更好，那么个体Xm将会被Xpv取代；

步骤4.11：执行重组阶段：随机选择Xm中的部分纬度的参数替换Xn中同样纬度的参数，得到一个新个体 若新个体的适应度值优于原个体Xn的适应度值，则原个体更新为新个体；

步骤4.12：执行变异阶段：根据式(6)产生新个体 若新个体的适应度值优于原个体的适应度值，则原个体更新为新个体；

步骤4.13：令n＝n+1；

步骤4.14：判断n是否大于N？若否，则跳转至步骤4.8；若是，则执行步骤4.15；

步骤4.15：令迭代次数gen＝gen+1；

步骤4.16：判断迭代次数gen是否大于最大迭代次数G？若否，则跳转至步骤4.6；若是，则执行步骤4.17；

步骤4.17：输出最优个体Xbest，算法结束。