1.一种多能源系统多目标安全经济优化调度方法，其特征在于：所述多能源系统多目标安全经济优化调度方法具体包括如下步骤：步骤1、将发电运行成本、污染物排放以及清洁能源消纳量作为目标函数，以功率平衡约束、旋转储备约束、机组出力上下限约束、机组爬坡率约束、传输线路的功率约束和火电机组的启停时间约束，建立考虑清洁能源消纳量的多能源系统多目标安全经济优化模型；

步骤2、基于分解的多目标优化算法，将一个多目标优化问题分解为多个标量子问题来同时求解，改进的Penalty‑based Boundary Intersection方法将多目标优化问题加权成一个单目标优化问题，其中，每个单目标优化问题会被分配一个权重向量来表示每个目标的重要程度，通过权重向量之间的距离定义每个子问题之间的邻域关系，采用改进的粒子群优化算法对每个子问题在其邻域中优化求解；

步骤3、采用自适应惩罚因子来平衡解的分布性和收敛性，利用改进的自适应惯性权重搜索策略使粒子群优化算法随着迭代次数的增加实现全局和局部搜索能力的平衡，基于柯西‑洛伦兹分布的粒子轨迹修正所述自适应惯性权重搜索策略保证粒子群优化算法任务从前期的全局搜索动态转化为后期的局部搜索，采用约束违反度作为多目标优化问题中的约束处理方法；

步骤4、利用改进的基于分解的多目标优化算法对多目标安全经济优化模型求解得到Pareto最优解集，其中，在所述步骤1中：

目标函数：

功率平衡约束：

旋转储备约束：

各机组出力上下限约束：

各机组的爬坡速率约束：

传输线路的功率约束：

火电机组的启停时间限制：

其中，f1为发电成本目标，包括火电机组、水电机组和风电机组运行成本的总和；f2为火电机组的污染排放物目标，包含二氧化碳、二氧化硫以及多种污染排放物的总和；f3为清洁能源消纳量目标，即以弃风量和弃水量最小为目标，T为一个调度周期，NG、NH、NW、ND分别为火电机组的数量、水电机组的数量、风电机组的数量以及储能装置的数量；Pi,t、Pw,j,t、Ph,l,t、Pd,m,t分别为t时刻火电机组i、风电机组j、水电机组l以及储能装置m所对应的出力；

Ai,t为第i台火电机组在时刻t的开关运行状态，其值在0和1之间切换；Si,t和Ni,t为第i台火电机组在t时间内的总开关成本；Cw,j,t为风电机组j在t时刻的出力成本；Ch,l,t为水电机组l在t时刻的出力成本；ai、bi、ci和ei为参数，通过合适的取值获得火电机组的运行成本；di为馈线的安全距离，取值大于0；αi,v、βi,v、γi,v、ηi,v和δi,v为火电机组的污染物排放参数；

为t时刻风电机组j计划出力； 和 为水电机组出力上下限； 和 为火

电机组出力上下限； 和 为储能装置出力上下限；PL,t为t时刻的负荷；Ploss,t为t时刻的线路传输损耗；Uw,t和Dw,t为时刻t风电机组的正负储备需求；Ug,t为时刻t火电机组的储备需求； 和 为储能放电、充电额定功率；RU,i、RD,i、RU,h,l、RD,h,l、RU,d,m、RD,d,m为火电机组、水电机组和储能装置的爬坡速率上下限；Gl2和Gl1分别为传输线路l的潮流上限和潮流下限；Fl,i和Fl,k为与对应传输线路相关的矩阵； 和 分别为t‑1时刻火电机组i的启停时间； 和 分别为火电机组i最小的启停时间。

2.根据权利要求1所述的多能源系统多目标安全经济优化调度方法，其特征在于：所述步骤2具体包括如下步骤：步骤2‑1：根据基于分解的多目标优化算法，将一个多目标优化问题分解为多个标量子

1 N

问题来同时求解，首先需要生成一组均匀分布的权重向量{ω ,…,ω }，其中N是权重向量的个数，每个权重向量的维度等于目标个数，通过对m维空间以一定采样步长采样，产生权重向量的个数为 即种群规模，其中，m是目标函数的个数，H是多目标问题中每一个目标方向上的采样个数，且称 为采样步长，单位超平面可表示为 每个权重向量ω表示成 且 是权重向量ω的分量；

步骤2‑2：生成均匀分布的权重向量后，每个子问题之间的邻域关系是根据各自权重向量之间的欧式距离决定的，即每个子问题可拥有自定义的T个邻居，每个子问题通过粒子群优化算法基于PBI方法的替换策略结合其邻近子问题的信息进行优化求解，粒子群优化算法的速度与位置更新方程为：其中第i个粒子的位置表示为xi＝{xi1,xi2,…,xiD}，且xid∈[xmin,d,xmax,d]，d＝1,2,…,D，xmin,d和xmax,d分别为维数d的上界和下界；pbest＝{pi1,pi2,…,piD}为第i个粒子的上一次迭代最佳位置；vi＝{vi1,vi2,…,viD}为当前速度，且vid∈(vmin,vmax)，vmin和vmax分别为速度的上下限；pgbest＝{pg1,pg2,…,pgD}，表示子种群中所有粒子的最优粒子；ω(k)∈[0,1]为自适应惯性权重，决定了历史速度对当前速度的影响；k为算法的迭代次数，rand1d和rand2d为[0,1]之间均匀分布的随机数，c1和c2为学习因子；

步骤2‑3：利用粒子群优化算法来求解更优的聚合函数值，对于一个多目标优化问题，基于PBI聚合方法将该问题转换为一个标量优化问题：pbi *

min g (x|ω,z)＝d1+θ(k)*d2

subject to x∈Ω

其中， 是理想点，θ(k)为自适应惩罚因子，ω为权重向量，m为目标个数，

F(x)＝{f1(x),…,fm(x)}，

3.根据权利要求2所述的多能源系统多目标安全经济优化调度方法，其特征在于：在步骤3中，所述自适应惩罚因子θ是一个自定义参数，且θ≥0，用于控制d1和d2的权重，d1影响着解的收敛性，d2影响着解的分布性，当θ越大，利用粒子群优化算法更倾向于解的分布性能，自适应惩罚因子有利于解分布性和收敛性的平衡：其中k为当前迭代次数，iterations为设置的迭代次数。

4.根据权利要求3所述的多能源系统多目标安全经济优化调度方法，其特征在于：在步骤3中，基于柯西‑洛伦兹分布的粒子轨迹修正所述自适应惯性权重搜索策略保证粒子群优化算法任务从前期的全局搜索动态转化为后期的局部搜索具体为：自适应惯性权重的提出是以个体的聚合函数值为依据，根据该个体及其邻域中聚合函数值的大小来自适应地改变惯性权重，当该个体的聚合函数值不超过领域中平均聚合函数值，惯性权重会自适应地减小；当该个体的聚合函数值超过领域中平均聚合函数值，惯性权重会自适应地增加，保证算法拥有平衡全局搜索和局部搜索的能力，第k+1次迭代的惯性权重如下，其中，k为迭代次数；ωmin和ωmax分别为惯性权重的最小值和最大值； 为子问题i在第k次迭代的聚合函数值； 为在第k次迭代子问题i与其邻域中的最小聚合函数值； 为在第k次迭代子问题i的平均聚合函数值，如下，其中，T为邻域大小，

令峰值位置的位置参数为粒子在其领域中的最优粒子，邻域中的其他粒子会根据与最优粒子的距离而作出适当地轨迹修正，过早收敛的粒子会被修正到解空间中，为了保证算法后期局部搜索的能力，γ(k)会随着迭代次数的增加而减小，使得处于同一位置的粒子在随着迭代次数的增加得到的修正幅度会逐渐减小，额外的位置更新公式如下xj(k+1)＝xj(k)+β·Lj(k)·||Pg(k)‑xj(k)||2

其中，Lj(k)为引入的柯西‑洛伦兹分布的密度函数，根据粒子的不同位置，其更新公式如下，‑k/τ

其中，γ(k)＝γ0·e ，γ0和τ为参数，其中Pg(k)为邻域最优粒子，β∈[‑1,1],表明粒子位置是从正方向或负方向进行变异。

5.根据权利要求4所述的多能源系统多目标安全经济优化调度方法，其特征在于：步骤

4具体为：每个种群中的粒子进行更新迭代200次，并采用非支配解集来存储并更新每次迭代搜索到的满足约束违反度阈值的非支配解，直至迭代完成，得到满足复杂约束的非支配解集，该解集中的解均能够同时满足以经济、环保和最小弃风、弃水量为目标的安全经济优化调度，从而为相关调度人员提供指导方案。