1.一种基于改进多目标人工蜂鸟算法的微电网经济调度优化方法，其特征在于：所述方法包括：步骤1：获取含可再生能源的微电网系统的发电机组运行数据和负荷的基本数据，其中，所述微电网系统中包括风力发电机PV、光伏电池WT、柴油发电机DE和电池储能装置BT；

步骤2：基于所述发电机组运行数据和负荷的基本数据，构建含风电、光伏、柴油发电机和储能的微电网系统经济调度模型；

步骤3：确定微电网系统功率约束条件；

步骤4：将多目标人工蜂鸟算法MOAHA改进后与风光出力控制策略和经济调度模型相结合，进而获得各分布式电源经济调度的最优方案，从而获得最优解，实现微电网系统的经济优化调度；

所述步骤4包括：

步骤4.1：通过Sine混沌初始化代替MOAHA中的随机生成，将n只蜂鸟置于n个食物来源上，具体映射方式如式(2)所示，通过Sine混沌映射初始化种群使得蜂鸟种群均匀分布在搜索空间上下限内：x1＝Low+r·(Up‑Low)                                          (1)其中Up和Low分别是d维问题的上边界和下边界，r是[0,1]中的随机向量，xi表示为给定问题的解决方案的第i个食物来源的位置,a为取值为(0,4)的参数；

步骤4.2：食物源访问表初始化：

式中，对于i＝j,VTij＝null表示蜂鸟在其特定的食物来源取食；i≠j,VTij＝0表示第j个食物源在当前迭代中刚刚被第i只蜂鸟访问过；

步骤4.3：通过改进的线性觅食行为惯性系数，进行引导觅食行为，或领地觅食行为；

其中W为线性觅食行为惯性系数；Wmax和Wmin分别最大惯性系数和最小惯性系数,取值为[0,1]；it为迭代次数；Maxit为最大迭代次数；vi(t+1)为第i个蜂鸟在t+1时刻的候选食物源位置；xi(t)为第i个蜂鸟在t时刻的食物源位置,xi,tar(t)为第i只蜂鸟打算造访的目标食物源的位置；D为飞行指标系数，取0或1；a为引导因子，服从标准正态分布N(0,1)；b为领地因子，服从标准正态分布N(0,1)；

步骤4.4：蜂鸟通过三种方法寻找它的目标食物源

在随机可能性rand

式中f(·)为函数适应度值,如果候选食物源的适应度低于当前食物源，则蜂鸟会放弃当前食物源，停留在由式(7)产生的候选食物源处取食；更新拜访表；

而在随机可能性rand≥W情况下蜂鸟选择进行以下领地觅食行为：vi(t+1)＝xi,tar(t)+b·D·xi(t)      (9)第i个食物源位置更新同式(8)，更新拜访表；

步骤4.5：判断迭代次数，如果迭代次数超过迁移系数2n的预定值，蜂鸟将迁移到整个搜索空间中随机产生的新食物源；蜂鸟位置更新如下:xi＝Low+r·(Up‑Low)                      (10)更新拜访表；

步骤4.6：计算总运行经济成本适应度函数和总风光消纳比例适应度函数，得到pareto解；

步骤4.7：进行非支配排序得到pareto前沿；

步骤4.8：求得最优结果。

2.根据权利要求1所述的一种基于改进多目标人工蜂鸟算法的微电网经济调度优化方法，其特征在于：所述步骤4.1中初始化种群维度是根据微电网系统经济调度中四个分布式电源的24h出力得到的96个参数；其中第1‑24个参数表示光伏电池24h出力情况；其中第25‑48个参数表示风力发电机24h出力情况；其中第49‑72个参数表示电池储能装置24h出力情况；其中第

73‑96个参数表示柴油发电机24h出力情况。

3.根据权利要求2所述的一种基于改进多目标人工蜂鸟算法的微电网经济调度优化方法，其特征在于：所述步骤4.1初始化中搜索空间上下限为根据各个分布式电源的运行容量得到的充放功率上下限，作为每个维度的边界约束。

4.根据权利要求3所述的一种基于改进多目标人工蜂鸟算法的微电网经济调度优化方法，其特征在于，所述约束条件如下：分布式电源出力约束：

Pimin≤Pi≤Pimax                                                  (11)式中，Pimin、Pimax分别为分布式电源出力下限和上限，Pi为第i个分布式电源出力；

功率平衡约束条件：

式中，PLoad为微电网负荷；PBS为蓄电池充放电功率，当PBS>0时，表示蓄电池放电，当PBS<0时，表示蓄电池充电；

蓄电池约束条件：

PBSmin≤PBS≤PBSmax                                            (13)EBSmin≤EBS≤EBSmax                                            (14)式中，PBSmin、PBSmax分别为蓄电池的最小、最大充放电功率；EBSmin、EBSmax分别为蓄电池的最小、最大容量；EBS为蓄电池的容量。

5.根据权利要求3所述的一种基于改进多目标人工蜂鸟算法的微电网经济调度优化方法，其特征在于：所述步骤4.6中有两个适应度函数：

其中总运行经济成本适应度函数为：

其中T为微电网调度周期的小时数；CPV(t),CWT(t)，CBT(t),CDE(t),分别为光伏、风电、储能、柴油发电机发电成本；CEMI(x)为排放成本；

发电成本：

Ci(t)＝CFi，t+IVi，t+OMi，t                                     (16)其中，CFi，t为分布式电源i在t时刻的燃料费用；IVi，t为分布式电源i折算到单位时间的折旧费用；OMi，t为分布式电源i在t时刻的维护费用；

排放成本：

CEMI(t)＝α*σ*Pi，t                           (17)其中，CEMI(t)为柴油发电机i在t时刻的燃料费用，α为排放价格，σ为排放系数Pr，Pi，t为第i台分布式电源的额定功率；

总风光消纳比例适应度函数为：

f(2)＝2‑(PVpro+WTpro)                      (18)其中PVpro为光电消纳比例，WTpro为风电消纳比例。

6.根据权利要求5所述的一种基于改进多目标人工蜂鸟算法的微电网经济调度优化方法，其特征在于：所述步骤4.8中最优结果通过各项数据归一化折中解得到，最终选择总适应度最小的解作为最优折中解；

其中Cost.obj为最优折中解；Cost(i).f(1)为第i个蜂鸟位置的目标函数f(1)适应度值；Cost.f(1)max为目标函数f(1)最大适应度值；Cost(i).f(2)为第i个蜂鸟位置的目标函数f(2)适应度值；Cost.f(2)max为目标函数f(2)最大适应度值。