1.一种基于换电柜的虚拟电厂运行控制方法，其特征在于，包括以下步骤：

对换电柜进行电池实时状态检测以及电网当前负荷状态检测，结合检测结果，通过长短期记忆网络预测构建换电柜的换电需求预测模型；

根据目标电网的实时负荷状态，采用PCS模块对目标电池进行工作模式调节，并生成实际换电需求曲线；

根据换电需求预测模型获取换电需求曲线，若换电需求曲线与实际换电需求曲线的重合误差不维持在重合误差率内，且经过对PCS模块进行实时参数校正，校正后仍不维持在重合误差率内，则引入ADMM分布式优化算法，优化目标换电柜的充放电策略；

其中，所述引入ADMM分布式优化算法，优化目标换电柜的充放电策略，具体为：将实际换电需求曲线转换至实际换电需求数据样本，并反馈至换电需求预测模型中，同时在所述换电需求预测模型更新约束条件；

其中，更新的约束条件为根据换电需求调整目标电池可用的数量下限；

引入ADMM分布式优化算法，基于所述ADMM分布式优化算法，将目标换电柜作为独立节点，并预设目标电网的全局目标，其中，所述目标电网的全局目标为目标电网的调峰填谷需求；

获取所有目标换电柜，并交换相邻的目标换电柜的计划信息，基于所述ADMM分布式优化算法，对相邻的目标换电柜进行全局一致性迭代，其中，所述全局一致性迭代为通过ADMM分布式优化算法交替更新目标换电柜的本地变量以及相邻的目标换电柜的变量，直至目标换电柜在满足本地换电需求后仍能匹配目标电网的全局目标；

当目标换电柜在满足本地换电需求后仍能匹配目标电网的全局目标，则一类换电需求预测曲线与实际换电需求曲线的重合误差会维持在重合误差率内，从而得到合格换电柜。

2.根据权利要求1中所述的一种基于换电柜的虚拟电厂运行控制方法，其特征在于，所述对换电柜进行电池实时状态检测以及电网当前负荷状态检测，结合检测结果，通过长短期记忆网络预测构建换电柜的换电需求预测模型，具体为：获取需要进行运行控制的换电柜，标定为目标换电柜，并将目标换电柜中的电池标定为目标电池；

在所述目标换电柜内，获取功率控制单元，基于所述功率控制单元实时检测换电柜内目标电池的实时数量以及目标电池的实时剩余电量，同时基于所述功率控制单元计算目标电池的当前可输出功率值；

采集不同目标电池的实时温度以及荷电状态，结合目标电池的当前可输出功率值，生成目标电池的实时状态；

将目标换电柜连接的电网标定为目标电网，读取目标电网的实时负荷状态，其中，所述目标电网的实时负荷状态包括电网负荷功率、负荷分布以及负荷波动状态；

引入大数据网络，并将所述大数据网络与目标换电柜进行连接，基于大数据网络，检索并确定目标换电柜的历史换电数据，同时预设换电需求时段，基于大数据网络，检索目标换电柜所处位置在换电需求时段内的天气信息；

引入长短期记忆网络算法，基于所述长短期记忆网络算法，结合目标电池的实时状态、目标电网的实时负荷状态、目标换电柜的历史换电数据以及目标换电柜所处位置在换电需求时段内的天气信息，构建换电需求预测模型。

3.根据权利要求2中所述的一种基于换电柜的虚拟电厂运行控制方法，其特征在于，所述构建换电需求预测模型，具体为：基于换电需求时段，构建时间戳，标定为目标时间戳，其中，目标时间戳中的时间步长为24周期，以小时计算；

对目标换电柜所处位置在换电需求时段内的天气信息进行数据分析，并将数值型天气信息进行保留处理，同时将天气状态转为独热编码；

根据时间戳，将24周期内目标电池的实时状态、目标电网的实时负荷状态、目标换电柜的历史换电数据以及数值型天气信息进行样本整合，使一个样本中的数据对应在一个周期内；

引入长短期记忆网络算法，构建长短期记忆网络空白模型，将所有样本以及时间戳导入至所述长短期记忆网络空白模型内，并在长短期记忆网络空白模型内设置独热编码，得到初步设定长短期记忆网络模型；

获取初步设定长短期记忆网络模型的网络架构，其中，所述初步设定长短期记忆网络模型的网络架构包括全连接层以及LSTM层；

在初步设定长短期记忆网络模型不同的LSTM层中进行损失函数设置，其中，损失函数设定为样本的均方误差，通过不断计算样本均方误差来实现LSTM层的训练，并在不同的LSTM层中基于贝叶斯优化算法进行均方误差调优；

预设标准训练步长，当LSTM层的训练步长等于标准训练步长，则停止对所有LSTM层进行训练，将所有LSTM层连接至全连接层，得到换电需求预测模型，同时在全连接层中输出换电需求预测曲线；

其中，所述换电需求预测曲线中预测了未来24小时内的不同目标电池的换电需求，所述换电需求记录了目标电池的可输出功率值的变化率以及目标电网的负荷状态的变化情况。

4.根据权利要求1中所述的一种基于换电柜的虚拟电厂运行控制方法，其特征在于，所述根据目标电网的实时负荷状态，采用PCS模块对目标电池进行工作模式调节，并生成实际换电需求曲线，具体为：基于大数据网络，确定目标电网分别处于波谷状态、波峰状态以及断电状态时对应的电网负荷功率；

确定目标电网的实时负荷功率，基于目标电网分别处于波谷状态、波峰状态以及断电状态时对应的电网负荷功率范围，对目标电网的实时负荷状态进行分析；

在目标换电柜中安装引入PCS模块，其中，所述PCS模块包含整流器与逆变器，用于在目标换电柜中实现交流电和直流电的转换；

若目标电网的实时负荷功率处于波谷状态对应的电网负荷功率范围，则通过所述PCS模块，控制目标换电柜连接目标电网对目标电池进行充电；

若目标电网的实时负荷功率处于波峰状态对应的电网负荷功率范围，则通过所述PCS模块，控制目标换电柜将目标电池中的电能逆变为交流电并馈入目标电网；

若目标电网的实时负荷功率处于断电状态对应的电网负荷功率范围，则获取目标换电柜连接的负载，通过所述PCS模块，控制目标换电柜将目标电池中的电能逆变为交流电并向目标换电柜连接的负载进行电能提供；

在PCS模块工作过程中，实时输出换电需求曲线，标定为实际换电需求曲线，其中，所述实际换电需求曲线中记录了目标电池的换电需求。

5.根据权利要求1中所述的一种基于换电柜的虚拟电厂运行控制方法，其特征在于，所述根据换电需求预测模型获取换电需求曲线，具体为：根据换电需求预测模型，获取换电需求预测曲线，并确定实际换电需求曲线生成时对应的时间点，标定为一类时间点；

在所述换电需求预测曲线中基于所述一类时间点进行曲线截取，得到一类换电需求预测曲线，并将所述一类换电需求预测曲线与实际换电需求曲线进行重合分析；

预设重合误差率，计算一类换电需求预测曲线与实际换电需求曲线的重合误差，若一类换电需求预测曲线与实际换电需求曲线的重合误差维持在重合误差率内，则将目标换电柜标定为合格换电柜；

若一类换电需求预测曲线与实际换电需求曲线的重合误差不维持在重合误差率内，则在换电需求预测模型中对数值型天气信息进行实时更新，并对PCS模块进行实时参数校正；

当数值型天气信息进行实时更新且PCS模块进行实时参数校正后，一类换电需求预测曲线与实际换电需求曲线的重合误差仍不维持在重合误差率内，则引入ADMM分布式优化算法，优化目标换电柜的充放电策略。

6.一种基于换电柜的虚拟电厂运行控制系统，其特征在于，所述虚拟电厂运行控制系统包括存储器与处理器，所述存储器中储存有基于换电柜的虚拟电厂运行控制方法程序，当所述基于换电柜的虚拟电厂运行控制方法程序被所述处理器执行时，实现如权利要求1‑

5任一项所述的基于换电柜的虚拟电厂运行控制方法步骤。