1.基于改进MOJAYA算法的微电网优化调度方法，其特征在于，具体按照以下步骤实施：步骤1、设置微电网目标函数和约束条件，初始化种群：生成初始种群和空archive集；

步骤2、合并初始种群和空archive集并计算合并后集合中所有个体的总适应度，总适应度 由原始适应度 和拥挤密度 共同组成；

步骤3、更新archive集；

步骤4、通过总适应度 识别最优个体和最差个体，通过MH抽样方法进行种群个体更新；

所述步骤4具体按照以下步骤实施：

步骤4.1、基于式(2‑4)计算种群 和archive集 中的每个个体的总适应度，并排序，总适应度值最小的为最优解，反之为最差解；选出最优解和最差解；

步骤4.2、对种群 中的个体进行MH抽样；

所述步骤4.2具体按照以下步骤实施：

即产生一个 之间的随机数 ，如果 ，则执行步骤4.3操作采用第一种更新方式，否则转到步骤4.4；

(4‑1)

为步骤2.2中的拥挤密度；

步骤4.3、根据式(4‑2)以黄金正弦的方式对种群进行位置更新；

所述步骤4.3对种群进行位置更新具体如下：

(4‑2)

其中， 和 为随机数，决定下一次迭代中个体的移动距离， ，决定下一次迭代第个个体的位置更新方向， ; 和 是通过引入黄金分割数得到的系数，黄金分割数是一个定义为 的无理数，记为 ， ，，和 初始值设置为 和 ，随后 和 随着目标值的变化而变化，和也随之更新， 为根据步骤4.1得到的最优解和最差解生成的新的优化解， 、 分别表示最优解和最差解， 表示优化前的解；

步骤4.4、根据式(4‑3)以MOJAYA的方式对种群进行位置更新：(4‑3)

应用非支配排序对更新前后的种群个体进行比较，判断他们的支配地位，如果更新后的新的个体能支配更新前的旧的个体，则保留新个体，否则，新个体将被舍弃，最后，基于以上步骤，更新初始种群 ；

步骤5、迭代循环，最后输出archive集，archive集中个体代表微电网优化调度后的各个微电源发电出力方案。

2.根据权利要求1所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤1具体按照以下步骤实施：设定微电网的优化目标，包括经济目标和环境目标；设定相关的约束条件，包括微电源出力约束、微电网功率平衡约束和蓄电池运行约束，然后，在约束条件的上下限内随机产生初始种群集 ，同时创建一个空集合archive集 ，设置迭代次数 ，初始种群集 和archive集 内的所有个体都代表微电网各个微电源发电出力方案。

3.根据权利要求2所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1、合并种群 和archive集 ，并为合并后集合中的所有个体分配原始适应度，原始适应度计算程序如下： 表示个体 在种群和archive集中被其他个体支配的数量，越大，说明个体被更多的其他个体支配，因此它在适应度分配中被认为是较差的解，相反，如果 较小，说明个体是一个较好的解，因为它被较少的其他个体支配， 由式(2‑

1)确定，基于 ，个体 的原始适应度 由式(2‑2)确定：(2‑1)

(2‑2)

表示集合的基数，即集合中元素的数量，是当前种群， 是当前archive集，用于保存非支配个体， 表示个体 支配个体；

步骤2.2、为合并后集合中的所有个体分配拥挤密度，拥挤密度计算如下：选拥挤密度计算每个个体到archive集和种群中所有个体的距离，拥挤密度 表达式如式(2‑3)所示：(2‑3)

式中， 表示个体到其在目标空间中第 个最近邻居的距离， ， 和 分别为初始种群集个数和archive集个数，在 的表达式分母中加2，以确保该表达式包含在0和1之间；

步骤2.3、合并后集合中的所有个体的总适应度 由原始适应度 和拥挤密度之和组成，公式如下：(2‑4)

为个体的总适应度， 为步骤2.1的原始适应度， 为步骤2.2的拥挤密度。

4.根据权利要求3所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤3具体按照以下步骤实施：将 和 中所有非支配个体复制到下一代archive集 中，总适应度 ，如果的大小超过 ，则通过比较个体间的密度信息 进行截断操作， 越小的个体越会被优先剔除，直到archive集合的大小为 ，如果 的大小小于 ，则从 和 中选择适应度 的个体补充到 中，直到archive集合的大小为 ，利用总适应度和密度信息更新一个有效的archive集，确保archive集合中的个体既具多样性又代表优质解。

5.根据权利要求4所述的基于改进MOJAYA算法的微电网优化调度方法，其特征在于，所述步骤5具体按照以下步骤实施：重复步骤2至步骤4中的过程，直到达到迭代次数，最后输出archive集；archive集中个体代表微电网优化调度后的各个微电源发电出力方案；最后根据优化目标，采用对应的目标函数选取符合优化目标的最优个体，即为最终的微电源发电出力方案。