1.一种分布式协同可再生能源出力场景生成方法，其特征在于，包括以下步骤：步骤S1：基于各微网节点建立联盟微网可再生能源出力的空间共享匹配网络架构模型，包括微网数据生成及处理中心节点、潜在空间信息存储及传输智能合约发布节点、潜在空间匹配智能合约发布节点；

步骤S2：基于步骤S1的微网可再生能源出力的空间共享匹配网络架构模型，通过微网数据生成及处理中心节点实现观测点信息采集，将观测点信息扩散到空间范围，并叠加噪声和微网的特征信息，获得最终扩散信息；

步骤S3：定义所述最终扩散信息为潜在空间，构建潜在空间信息存储及传输智能合约发布节点实现智能合约发布以及可再生能源出力潜在空间信息的数据上传下载；

步骤S4：构建可再生能源出力信息逆扩散生成节点及节点上的可再生能源出力信息逆扩散神经网络，通过潜在空间信息存储及传输智能合约发布节点下载由潜在空间匹配智能合约发布节点计算得到同其他微网的潜在空间信息关联矩阵并最终在微网内部计算可再生能源出力生成数据；

步骤S4包括：

步骤S4.1：构建可再生能源出力信息逆扩散生成节点的可再生能源出力信息逆扩散神经网络，根据潜在空间输出预测噪声；

步骤S4.2：构建再生能源出力信息逆扩散神经网络的反向传递参数训练算法，从而更新可再生能源出力信息逆扩散神经网络的结构参数；

步骤S4.3：构建可再生能源出力信息逆扩散神经网络的正向传递信息逆扩散算法；基于下载信息并根据预测噪声从其他微网计算得到自然信息生成数据和干扰信息；

步骤S4.4：在可再生能源出力信息判别节点的反向传递参数训练算法的学习样本中加入干扰信息；

步骤S4.5：基于构建的再生能源出力信息逆扩散神经网络，通过步骤S4.3中得到的自然信息生成数据进行逆扩散计算，最终得到微网的可再生能源出力生成数据；

步骤S4.5包括：

步骤S4.5.1：将通过逆扩散计算生成的场景自然信息生成数据的空间分布中加入微网的数据生成信息采集节点的空间坐标信息，并计算最终采集的场景自然信息；

步骤S4.5.2：根据最终采集的场景自然信息和微网中的设备物理信息和风力发电设备信息计算微网的风能出力生成数据；

步骤S4.5.2：根据最终采集的场景自然信息和微网中的设备物理信息和光伏发电设备信息计算得到微网的太阳能出力生成数据。

2.根据权利要求1所述的一种分布式协同可再生能源出力场景生成方法，其特征在于，其中微网数据生成及处理中心节点包括数据生成信息采集节点、场景自然信息空间关联及扩充节点、可再生能源出力信息判别节点、可再生能源出力信息特征提取节点、可再生能源出力信息扩散节点和可再生能源出力信息逆扩散生成节点。

3.根据权利要求2所述的一种分布式协同可再生能源出力场景生成方法，其特征在于，所述数据生成信息采集节点包括场景自然信息和设备物理信息；所述场景自然信息为扩散生成的信息对象，设备物理信息用于辅助扩散生成的信息适用于本地可再生能源模型与出力控制；

所述场景自然信息空间关联及扩充节点上嵌入信息空间关联及扩充算法；

所述可再生能源出力信息判别节点包括可再生能源出力信息判别神经网络、可再生能源出力信息判别神经网络的反向传递参数训练算法、可再生能源出力信息判别神经网络的正向传递判断算法；

所述可再生能源出力信息特征提取节点包括可再生能源出力信息自检索神经网络、可再生能源出力信息相关神经网络、可再生能源出力信息特征终提取神经网络、可再生能源出力特征提取过程的反向传递参数训练算法、可再生能源出力特征提取过程的正向传递提取算法；

所述可再生能源出力信息扩散节点嵌入可再生能源出力信息算法；

所述可再生能源出力信息逆扩散生成节点包括微网的本地可再生能源出力信息逆扩散神经网络、可再生能源出力信息逆扩散神经网络的反向传递参数训练算法、可再生能源出力信息逆扩散神经网络的正向传递信息逆扩散算法；

所述潜在空间信息存储及传输智能合约发布节点包括局部可再生能源出力的潜在空间信息上传智能合约发布节点、联合可再生能源出力的潜在空间信息下载智能发布节点、各微网之间潜在空间信息关联矩阵和微网联合存储的可再生能源出力潜在空间信息；

所述潜在空间匹配智能合约发布节点嵌入可再生能源出力的潜在空间匹配算法。

4.根据权利要求3所述的一种分布式协同可再生能源出力场景生成方法，其特征在于，所述步骤S2包括以下方法步骤：步骤S2.1：数据生成信息采集节点采集微网内部信息，包括场景自然信息和设备物理信息；

步骤S2.2：场景自然信息空间关联及扩充节点将观测点及其上的微网内部信息中的场景自然信息通过信息空间关联及扩充算法扩充到空间分布表示，得到扩散点及其上的扩散风能场景自然信息和扩散太阳能场景自然信息；

步骤S2.3：通过可再生能源出力信息扩散节点、可再生能源出力信息判别节点和可再生能源出力信息特征提取节点，提取微网的特征信息，将特征信息和噪声叠加在扩展信息上，获得最终扩散信息。

5.根据权利要求4所述的一种分布式协同可再生能源出力场景生成方法，其特征在于，所述步骤S2.2中：信息空间关联及扩充算法包括以下步骤：步骤S2.2.1：确定微网空间内部的坐标轴并分隔空间；

步骤S2.2.2：根据单位向量在空间分布中得到扩散点，并将所有的扩散点组成扩散点集；

步骤S2.2.3：计算扩散点集中每一个扩散点上的扩散风能场景自然信息和扩散太阳能场景自然信息；

步骤S2.2.4：根据扩散点及其上的扩散风能场景自然信息和扩散太阳能场景自然信息构建三维空间矩阵。

6.根据权利要求3所述的一种分布式协同可再生能源出力场景生成方法，其特征在于，所述步骤S3包括以下方法步骤：步骤S3.1：潜在空间信息存储及传输智能合约发布节点发布上传智能合约在联盟链上，微网通过智能合约完成微网局部信息上传到可再生能源出力潜在空间信息中；

步骤S3.2：根据可再生能源出力的潜在空间匹配算法，构建微网间潜在空间信息关联矩阵；

步骤S3.3：联合可再生能源出力的潜在空间信息下载智能合约发布节点根据微网和微网间潜在空间信息关联矩阵计算下载信息。

7.根据权利要求6所述的一种分布式协同可再生能源出力场景生成方法，其特征在于，所述步骤S3.2包括以下方法步骤：步骤S3.2.1：从微网联合存储的可再生能源出力潜在空间信息中下载第一微网的潜在空间信息，并随机采样一个第二微网的潜在空间信息；

步骤S3.2.2：计算第一微网和第二微网潜在空间信息的每一个元信息的均值并构建均值向量，计算每个潜在空间信息内不同元信息之间的协方差并构建协方差矩阵；

步骤S3.2.3：计算第一微网和第二微网潜在空间信息的相关性数值；

步骤S3.2.4：通过可再生能源出力的潜在空间匹配算法计算第一微网和其他所有微网的相关系数值，并构建得到微网间潜在空间信息关联矩阵。

8.根据权利要求1所述的一种分布式协同可再生能源出力场景生成方法，其特征在于，所述步骤S4.2包括以下方法步骤：步骤S4.2.1：将可再生能源出力信息扩散节点的可再生能源出力信息扩散算法扩散过程中的特征信息与噪声结合步骤数和空间扩散信息构成训练集数据；

步骤S4.2.2：基于训练集数据通过可再生能源出力信息逆扩散神经网络计算得到步骤的预测噪声；

步骤S4.2.3：通过MSE计算损失函数；

步骤S4.2.4：根据预测噪声及损失函数更新可再生能源出力信息逆扩散神经网络的结构参数。