1.一种基于主从非合作博弈的虚拟电厂参与联合市场竞价方法，其特征在于，所述方法包括：构建多虚拟电厂参与日前联合市场的双层博弈框架；

对风电功率、光伏功率和电负荷功率进行Wasserstein距离的不确定性建模，得到多源荷功率不确定集；

基于所述多源荷功率不确定集，构建上层多虚拟电厂两阶段分布鲁棒竞价模型；所述两阶段分布鲁棒竞价模型中包括日前阶段制定投标策略的预调度成本和日内阶段再调度成本期望之和最小的第一目标函数；并对应构建所述第一目标函数的第一类约束条件；

构建下层联合市场出清模型；所述出清模型中包括日前电‑调峰‑氢联合市场购能成本最小的第二目标函数；并对应构建所述第二目标函数的第二类约束条件；

分别对所述两阶段分布鲁棒竞价模型和所述下层联合出清模型进行等效转化，对应得到转化后的竞价模型和转化后的出清模型；对所述转化后的竞价模型中的互补松弛条件进行线性化处理，得到处理后的互补松弛条件；

分别对所述两阶段分布鲁棒竞价模型和所述下层联合出清模型进行等效转化，对应得到转化后的竞价模型和转化后的出清模型，包括：采用对偶理论，将所述竞价模型的实时阶段最坏期望分布上确界问题转化为下确界问题，得到单层最小目标寻优：；

引入辅助变量 可简化得到：

；

；

由于上式中约束条件的上确界只能在不确定变量的边界上获得，所述第一目标函数最终转化为单层的线性规划模型，所述转化后的竞价模型表示为：；

式中： 为对偶因子； 、 分别表示不确定变量样本集{ ， ，...， }的下确界和上确界；

所述出清模型的拉格朗日函数表示为：

；

对变量求偏导，得到所述出清模型的拉格朗日平衡条件：；

所述出清模型中不等式所对应的松弛条件为：；

基于所述处理后的互补松弛条件、所述第一类约束条件和所述第二类约束条件，对所述转化后的竞价模型和所述转化后的出清模型进行求解，得到竞价策略；

对所述转化后的竞价模型和所述转化后的出清模型进行求解，包括：步骤1：竞标开始前，VPPi根据预测的日前市场信息及其余VPP的竞标方案充分整合内部资源，以电能市场为例，确定首轮报价方案为{ ， ， ， }；

步骤2：竞标开始后，VPPi根据其他VPPj（j=1，2，...，n；j≠i）第k‑1轮的竞标方案{， ， ， }，求解上层竞价模型制定自身第k轮（k≥2）的竞标方案{， ， ， }，直至所有VPP均给出其第k轮竞标方案后，转至步骤3；

步骤3：各VPP以运行成本最小为优化目标，重复步骤2，向市场运营商重复报价；多轮博弈后，若无VPP改变其竞标方案，则转至步骤4；若仍有VPP试图改变其竞标策略，并提交了第k+1轮的竞标方案，则转至步骤5；

步骤4：若各VPP均不再尝试通过单方面改变其竞标方案获利，则此时市场中就形成纳什均衡的局面；竞标结束后，市场运营商按照市场博弈后的结果统一出清；

步骤5：判断是否达到博弈轮次上限；若此时未达到博弈轮次上限，则返回步骤1；若已达到，则市场运营商不再接受各VPP新一轮的竞标方案；竞标结束后，市场运营商会按照约定的市场交易规则强制出清。

2.根据权利要求1所述的方法，其特征在于，所述对风电功率、光伏功率和电负荷功率进行Wasserstein距离的不确定性建模，得到多源荷功率不确定集，包括：基于风电、光伏日前预测出力和风电、光电源荷功率误差向量，确定风电、光伏日内实际出力；基于电负荷日前预测出力和电负荷源荷功率误差向量，确定电负荷日内实际出力；

分别计算风电出力经验分布和真实分布之间的第一Wasserstein距离、光伏出力经验分布和真实分布之间的第二Wasserstein距离，以及电负荷经验分布和真实分布之间的第三Wasserstein距离；

分别基于所述第一Wasserstein距离、所述第二Wasserstein距离和所述第三Wasserstein距离，对应确定风电功率不确定集、光伏功率不确定集和电负荷不确定集。

3.根据权利要求1所述的方法，其特征在于，所述基于所述多源荷功率不确定集，构建上层多虚拟电厂两阶段分布鲁棒竞价模型；所述两阶段鲁棒分布竞价模型中包括日前阶段制定投标策略的预调度成本和日内阶段再调度成本期望之和最小的第一目标函数，包括：所述第一目标函数表示为：

；

；

式中： 为VPPi日前投标阶段参与各能量市场的净运行成本； 为VPPi日内调度阶段的再调度成本； 为包含不确定量 的函数在概率分布下的期望；sup为上确界； 、 和 分别为t时刻VPPi在电能市场、调峰市场和氢能市场的出清价格； 、 和 分别为t时刻VPPi在电能市场、调峰市场和氢能市场的中标功率； 为VPPi的运行成本。

4.根据权利要求1所述的方法，其特征在于，所述对应构建所述第一目标函数的第一类约束条件，包括：

1）燃气轮机约束条件

；

式中： 和 分别为t时刻燃气轮机GT电出力和热出力； 和 分别为t时刻GT电效率和热效率； 为t时刻GT耗气功率； 为天然气低热值； 和 分别为GT出力的上限和下限； 和 分别为GT爬坡功率的上限和下限；

2）电制氢约束条件

；

式中： 、 分别为t时刻P2H耗电功率和产氢功率； 为P2H的转化效率；

和 分别为P2H耗电功率的上限和下限； 和 分别为P2H耗电功率爬坡上限和下限；

3）氢燃料电池约束条件

；

式中： 为t时刻HFC的耗氢功率； 和 分别为t时刻HFC的电功率和热功率；

和 分别为t时刻HFC的电效率和热效率； 和 分别为HFC电功率的上限和下限； 、 分别为HFC电功率爬坡上限和下限；

4）碳捕集设备约束条件

；

式中： 为t时刻CCS捕集CO2所需的捕集能耗； 为t时刻维持能耗，是与CCS的运行状态无关的固定值； 为t时刻运行能耗，随CCS运行状态的变化而变化，与CCS捕集CO2的能力呈正相关； 为CCS捕集单位CO2所需的能耗； 、 分别为CCS耗电功率的上、下限；

5）电储能电动汽车、热储能电动汽车、氢燃料电动汽车的约束条件；

式中：上标m表示能量类型，它包括ES、TS、EV和HEV； 为t时刻储能设备容量； 为储能设备m的自损系数； 和 分别为储能设备的充能效率和放能效率； 和 分别为储能设备的充能功率和放能功率； 和 分别为储能设备m的最大和最小存储容量；

为0‑1变量，用以表示储能设备m的充、放能不能同时进行， =1表示储能设备充能， =0表示储能设备放能； 和 分别表示储能设备m充能功率和放能功率的上限； 为储能设备m初始容量； 为储能设备m运行一个周期后剩余容量；

6）储氢日内能量平衡约束条件

；

7）每季节开始时的储氢量

；

8）每年存储平衡后的荷氢状态

；

9）SHS初始和年末容量约束条件

；

10）SHS的能量状态约束条件

；

11）氢气充能/释放速率约束条件

；

式中：参数 表示季节中典型天数的能量循环次数s；

12）可时移电负荷

；

式中： 为t时刻可时移电负荷功率； 为可时移电负荷占总负荷的比值；

13）可中断电负荷

；

式中： 、 分别为GT在电能市场的竞标价格上限，下限；

14）功率平衡约束条件

。

5.根据权利要求1所述的方法，其特征在于，所述构建下层联合市场出清模型；所述出清模型中包括日前电‑调峰‑氢联合市场购能成本最小的第二目标函数，包括：所述第二目标函数表示为：

；

式中： 为联合市场运营商购能总成本； 、 和 分别为t时刻市场运营商在电能市场、调峰市场和氢能市场中的购能成本； 、 、 和 分别为VPPi中GT、电储能ES、电动汽车EV和可再生能源RE在电能市场中的竞价价格； 为VPPi中GT在调峰市场中的竞价价格； 、 和 分别为VPPi中P2H、SHS、氢燃料电动汽车HEV在氢能市场中的竞价价格； 、 、 和 分别为VPPi中GT、ES、EV和RE在电能市场中的竞标功率； 为VPPi中GT在调峰市场中的竞标功率； 、 和 分别为VPPi中P2H、SHS和HEV在氢能市场中的竞标功率。

6.根据权利要求1所述的方法，其特征在于，所述对应构建所述第二目标函数的第二类约束条件，包括：

1）功率平衡约束条件

；

式中： 、 和 分别为t时刻电能市场、调峰市场和氢能市场能量需求量；

2）VPP竞标功率约束条件

；

式中： 、 、 和 分别为GT、ES、EV、RE在电能市场的中标功率上限；

为GT在调峰市场的中标功率上限； 、 、 分别为GT、SHS和HEV在氢能市场的中标功率上限； 、 、 、 、 、 、 、 、 、 、、 、 、 、 、 为对应约束的对偶变量。

7.一种基于主从非合作博弈的虚拟电厂参与联合市场竞价装置，应用于如权利要求1‑

6中任一项所述的一种基于主从非合作博弈的虚拟电厂参与联合市场竞价方法，其特征在于，所述装置包括：构建模块，用于构建多虚拟电厂参与日前联合市场的双层博弈框架；

建模模块，用于对风电功率、光伏功率和电负荷功率进行Wasserstein距离的不确定性建模，得到多源荷功率不确定集；

所述构建模块，还用于基于所述多源荷功率不确定集，构建上层多虚拟电厂两阶段分布鲁棒竞价模型；所述两阶段鲁棒分布竞价模型中包括日前阶段制定投标策略的预调度成本和日内阶段再调度成本期望之和最小的第一目标函数；并对应构建所述第一目标函数的第一类约束条件；

所述构建模块，还用于构建下层联合市场出清模型；所述出清模型中包括日前电‑调峰‑氢联合市场购能成本最小的第二目标函数；并对应构建所述第二目标函数的第二类约束条件；

转化模块，用于分别对所述两阶段鲁棒分布竞价模型和所述下层联合出清模型进行等效转化，对应得到转化后的竞价模型和转化后的出清模型；对所述转化后的竞价模型中的互补松弛条件进行线性化处理，得到处理后的互补松弛条件；

分别对所述两阶段分布鲁棒竞价模型和所述下层联合出清模型进行等效转化，对应得到转化后的竞价模型和转化后的出清模型，包括：采用对偶理论，将所述竞价模型的实时阶段最坏期望分布上确界问题转化为下确界问题，得到单层最小目标寻优：；

引入辅助变量 可简化得到：

；

；

由于上式中约束条件的上确界只能在不确定变量的边界上获得，所述第一目标函数最终转化为单层的线性规划模型，所述转化后的竞价模型表示为：；

式中： 为对偶因子； 、 分别表示不确定变量样本集{ ， ，...， }的下确界和上确界；

所述出清模型的拉格朗日函数表示为：

；

对变量求偏导，得到所述出清模型的拉格朗日平衡条件：；

所述出清模型中不等式所对应的松弛条件为：；

求解模块，用于基于所述处理后的互补松弛条件、所述第一类约束条件和所述第二类约束条件，对所述转化后的竞价模型和所述转化后的出清模型进行求解，得到竞价策略；

对所述转化后的竞价模型和所述转化后的出清模型进行求解，包括：步骤1：竞标开始前，VPPi根据预测的日前市场信息及其余VPP的竞标方案充分整合内部资源，以电能市场为例，确定首轮报价方案为{ ， ， ， }；

步骤2：竞标开始后，VPPi根据其他VPPj（j=1，2，...，n；j≠i）第k‑1轮的竞标方案{， ， ， }，求解上层竞价模型制定自身第k轮（k≥2）的竞标方案{， ， ， }，直至所有VPP均给出其第k轮竞标方案后，转至步骤3；

步骤3：各VPP以运行成本最小为优化目标，重复步骤2，向市场运营商重复报价；多轮博弈后，若无VPP改变其竞标方案，则转至步骤4；若仍有VPP试图改变其竞标策略，并提交了第k+1轮的竞标方案，则转至步骤5；

步骤4：若各VPP均不再尝试通过单方面改变其竞标方案获利，则此时市场中就形成纳什均衡的局面；竞标结束后，市场运营商按照市场博弈后的结果统一出清；

步骤5：判断是否达到博弈轮次上限；若此时未达到博弈轮次上限，则返回步骤1；若已达到，则市场运营商不再接受各VPP新一轮的竞标方案；竞标结束后，市场运营商会按照约定的市场交易规则强制出清。

8.一种基于主从非合作博弈的虚拟电厂参与联合市场竞价设备，其特征在于，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至6任一项所述的基于主从非合作博弈的虚拟电厂参与联合市场竞价方法。