1.一种考虑不确定性的基于事件驱动的微电网自动需求响应方法，其特征在于，所述方法包括以下步骤：S1：系统初始化，将连续的时间进行离散化处理，优化时段均分为J个时段，每个时段时长为Δt，对于任意第k时段，有k＝{k0,k0+1,…,K}，其中，k0表示当前采样点，K表示末采样点，且K≤J；初始采样点k0＝1；

S2：综合分析户用型微电网的负荷需求响应特性，构建系统模型；

S3：构造一种结合实时电价和分时电价的实时电价机制，通过电价机制计算得到当前k时段的电价；

S4：采用一种基于事件驱动机制的自动需求响应策略，由系统判断各个事件是否触发，并按照预设的优先级处理事件；

S5：检测到事件触发后，按照事件优先级处理事件，对RMG里的终端用户进行在线能量优化；

S6：优化完成后，优化时间前移到下一时刻，k＝k0+1，重复步骤S2～S6，直至全时段优化完成。

2.如权利要求1所述的一种考虑不确定性的基于事件驱动的微电网自动需求响应方法，其特征在于，所述步骤S2中，户用型微电网由风机与光伏阵列组成的供电单元、电动汽车EV与可调负荷组合的可控用电单元、核心控制单元、储能系统ESS这4部分构成：供电单元，光伏发电单元均是由大量光伏电池串并联形成的光伏阵列，同时风能与风速的三次方成正比，因此，一日内天气的变换会严重影响风光出力，是可再生能源RESs的主要不确定源；

可控用电单元，即由电动汽车EV、时间可调/功率可调负荷组成；

核心控制电源，即本地控制LC，LC能够为每个请求的程序提供功耗预测，并预计在不久的将来可以通过修改其行为来调整功耗，同时保持服务。

3.如权利要求2所述的一种考虑不确定性的基于事件驱动的微电网自动需求响应方法，其特征在于，所述步骤S2包括以下过程：S21：EV建模

设该微电网系统接入的车辆集合为N，则车辆规模为 电动汽车的主要用途是满足用户的出行需求，根据用户的行车特点，各车辆的情况有所不同，对于任意车辆l∈N，其相关参数为：Vl＝[Tin,l,Tout,l,S0,l,SE,l,Qs,l,Pc,l,Pd,l]      (1)式中，Tin,l、Tout,l分别表示车辆l接入微电网的时间和预期离开时间；S0,l、SE,l分别表示车辆动力电池的起始荷电状态SOC和离开微电网时的期望SOC，SOC表示电池剩余能量与电池容量的比值，因此有0≤S0,l≤1、0≤SE,l≤1；Qs,l表示电池容量；Pc,l、Pd,l分别表示额定充、放电功率；

假设参与调度的EV动力电池均为锂电池；根据锂电池的充放电相关特性，作适当简化，在单个时段内，视锂电池为恒功率充放电；忽略自放电率的影响，把动力电池充放电功率Pl(k)视为输入得：式中，PlCH(k)、PlDCH(k)分别表示车辆l第k时段的充电和放电功率的绝对值；建立的动力电池SOC离散状态方程：式中，Sl(k+1)、Sl(k)分别表示车辆在第k+1、k时段的荷电状态；将式(3)转变成矩阵形式，同时把式(2)代入式(3)中，得到 其中输入矩阵前馈矩阵为Dl＝[-1 1]；

S.22储能系统建模

接入系统的EV是负荷与DER的聚合体，与此类似，储能蓄电池可视为全时段接入、无充电负荷需求的一类“特殊电动汽车”；类比EV动力电池模型中式(2)、式(3)，建立蓄电池模型；

S.23统一负荷模型

居民的智能负荷根据其不同的用电特性和运行状态可分为如下：

不可调整负荷NSLs：该类负荷连接智能插座，符合分布可预测，但不能对其进行控制，其是否正常运行关系到用户的基本需求是否能正常满足；

可调整负荷PLs：该类负荷的工作时段或运行功率存在一定范围，进一步可将PLs分为时间可转移负荷TLs和功率可转移负荷，PLs，TLs指工作时间可调度、运行功率固定的一类负荷；PLs指工作时间和运行功率均可根据优化需求进行调度的一类负荷；

基于以上分类，根据优化需求制定CLs和PLs的运行功率时间序列，另一方面，结合NSLs，可以预测该微网区域内的日负荷幅度和趋势；

建立统一负荷模型，将各连接入网的各类负荷归纳为具备一致属性的统一物理模型进行描述，通过各属性取值的不同而显现出不同的特征；

第i个家庭的第j个智能负荷的特征描述如下：

式中， 表示该微网所有的家庭集合； 表示第i个家庭的所有常规负荷数； 表示第i个家庭的所有负荷集合； 分别表

示Ai,j的额定用电功率和可调功率范围； 表示设备Ai,j期望运行区间； 表示Ai,j的可调时间范围；Qi,j表示用电需求；

分别为可转移时间、可转移功率，用于体现不同的负荷特征，从而进行相应的协调分工，各类负荷的标志位设置如表1所示；

表1

根据上式(4)描述的统一负荷特征模型，对k时段用电功率 描述如下：式中， 分别表示负荷Ai,j在第k时段的作为时间可调型和功率可调型的用电功率；

式中，Li,j(k+1)、Li,j(k)分别表示负荷Ai,j在第k+1、k时段的已用电量，将式(5)转变成矩阵形式，同时把式(6)代入式(5)中，得到 其中输入矩阵为 前馈矩阵为Dl＝[-1 1]；

用电行为约束：

式中，[u]+表示max{0,u}； 表示第i个家庭的第j个智能负荷满足其用电需求的额定运行时间；

对于 上述式子可以确定其所有的有效调度策略，定义可行策略空间：式中， 表示所有负荷的调度计划，只有满足x∈χ，负荷调度计划x才生效；式(11)表示负荷Ai,j的用电功率调度计划。

4.如权利要求3所述的一种考虑不确定性的基于事件驱动的微电网自动需求响应方法，其特征在于，所述步骤S3的过程如下：S31：新型实时电价机制基于总负荷信息和新能源出力功率计算，用于微电网区域内的各负荷和EV集群；当Ai,j或Vl触发接入事件时，该微网的广义净负荷可表示为：式中， 表示负荷Ai,j接入时，用电计划制定已完成的负荷集合；Nl表示车辆l接入时，充放电计划制定已完成的车辆集群；PPV(k)、PWT(k)分别表示k时段储能蓄电池充放电功率、光伏、风机出力；

S32：基于总负荷信息的实时电价机制

式中， 表示负荷Ai,j或车辆Vl接入时，k时段的实时电价；

均为实时电价调整系数；priR,j、φR,j分别表示参考电价和参考负荷值；相应地，表示预测总负荷，其中 表示基本负荷预测值；

S33：IBR价格的设定，IBR基于当前总负荷信息制定，k时段的IBR表示如下：式中， 表示k时段的IBR价格； 表示k时段特定的负荷消耗阈值；

ak、bk、ck表示具体k时段的IBR价格值；

结合上述实时电价机制和IBR电机机制，得到一种新型实时电价：式中，ζ1、ζ2表示不同等级下的价格倍率，且有ζ1,ζ2＞1、ζ2＞ζ1；在任意k时段，有其中，t1、t2表示不同等级下的界限倍率，并且t1，t2>0、t2＞t1，当k时段的总负荷量 越大， 越小；

当 时得：

同理，得 和 情形下的导数均不小于0；可见，总体上新型实时电价与当前负荷水平呈正相关性，是关联电动汽车交互功率、负荷用电计划与新能源出力的媒介；此外，新型实时电价是针对单辆电动汽车或负荷单独设定的，各车辆和设施(appliance)均享有其私有的新型实时电价，方便精细化实施电动汽车充放电调度和设施用电调度。

5.如权利要求4所述的一种考虑不确定性的基于事件驱动的微电网自动需求响应方法，其特征在于，所述步骤S4中，为实现RMG系统既要保持供需平衡又要使运行成本最小的目标，提出一种EDAR策略，过程如下：S41：针对需求侧与供应侧的不确定性，通过事件驱动机制控制不同驱动信号，作出相应的用电计划调度；基于上述新型实时电价优化需求侧资源用电计划，使负荷特性更匹配新能源发电曲线，从而提高可再生能源并网效率，减少向电网的购电量及储能的配置需求，达到提升微电网整体经济效益的目的；

EADR业务需要不同领域主体的协同配合，通过EADR系统实现微电网中需求响应业务自动化的功能，该系统一般包括EADR服务器、事件管理系统和智能负荷、DER控制系统等；所述环境下的事件驱动型ADR模型架构如图2所示；

S42：EADR相关的系统和设备描述如下：

EADR服务器：基于系统内的常规负荷、可再生能源出力水平及PEV集群、储能功率信息制定新型实时电价，发布需求响应DR事件通知；

事件管理：实时监测微网系统内负荷用电需求、可再生能源出力、智能电表、用户用电意愿等信息，触发接入事件、缺额事件、过载事件或用户失约事件，形成DR需求，并把需求发给EADR服务器，监视系统运行、监测DR实施效果；

智能负荷\ESS控制系统：同时连接上游EADR服务器和下游申报参与DR的各类响应主体，并基于EADR服务器发布的事件通知，制定相应的事件触发响应机制，以此实现对具有参与DR资格的响应主体优化调度；

响应主体：即EADR项目的控制对象，包括PEV集群、储能蓄电池以及PLs；

S43：事件触发机制分析

事件触发机制在Event-driven ADR系统中完成；系统中的事件管理系统按照固定频率采集负荷用电信息和风光出力，依据采集到的信息数据决定是否生成触发信号，并发送到EADR服务器中进行优化计算；根据不同事件发生时对微网系统造成的影响程度的不同，发明主要定义下面四种事件，当有相应的事件发生时，事件管理系统就会生成相应的触发信号；

将供需侧的事件类型分为如下4类：

接入事件，即用户的用电需求事件，当有负荷/EV入网时触发；基于步骤S3中的新型电价机制，根据入网负荷/EV的用电特征和预测的风光出力，对入网的负荷/EV制定用电计划；

缺额事件，当实时光伏出力与优化后的总负荷之差超过设定阈值时，即智能负荷\ESS控制器整合各类响应主体的申报信息，对申报参与事件调控的响应主体进行可调度能力(SA)评估；进而基于SA评估结果，并结合由EADR服务器发布的DR通知信号，重新制定具有参与DR资格响应主体的用电计划，以消除事件触发条件，进而达到缓解电力失衡的目的；

失约事件，当用户不在偏好区间内使用负荷，或EV过早离开时，触发该事件；通过对各EV或负荷可调度能力的综合评估，根据评估结果赋予某些负荷/EV重新制定用电计划的权利，当这些负荷/EV将失约主体造成的缺额弥补完成时，触发条件消失；

式中， 表示当前时段的失约主体集合； 表示重新制定用电计划的负荷/EV集合；

过载事件，总负荷或负荷趋势超过外接线路的容量时，即：

触发过载事件，在这种情况下,各EV或负荷对自身可调度能力进行综合评估，然后申报/竞标响应过载事件，根据申报结果决策取消最差评估申报主体的用电计划，若仍满足触发条件，则取消次差的评估申报主体的用电计划，如此循环；直至触发条件消失；

采用状态机在EADR系统中实现事件触发机制；事件触发机制主要机制包括了3个状态：事件监测状态、负荷调度状态与执行状态；正常情况下状态机处于事件监测状态，当检测到有事件触发时，则负荷调度触发，对可控负荷的功率进行分配调度；调度分配完毕后，触发执行状态，将调度结果传递至可控负荷后执行，执行完成后进入下个时段的事件监测状态；

若有多个事件触发时，则根据事件的优先级优先执行级别高的事件，待检测出的所有事件都执行完成后方可进入下一时段；上述的4种事件的优先级在本发明中的触发优先级为，接入事件>缺额事件>失约事件>过载事件。

6.如权利要求5所述的一种考虑不确定性的基于事件驱动的微电网自动需求响应方法，其特征在于，所述步骤S5中，根据车辆以及各appliance的相关参数，无需中央控制实体，期望通过所发展的分布式自动需求响应模型在满足用户用电需求及变压器限制的条件下，发挥需求侧资源负荷的辅助服务潜力；以最小化经济成本为目标来优化需求侧资源的用电功率，构建模型如下：式中 表示需求侧经济成本， 为第k时段的购电成本，PESS(k)为储能单元在k时k段的用电功率， 为k时段用户对调度负荷产生的不舒适费用，βi为不舒适费用系数，Pl(0)为负荷l在k时段的初值；

Tc,l＝(SE,l-S0,l)Cs,l/Pc,lηc   (22)式(22)为时间关系约束，表示只有当车辆接入电网的持续时间大于充电至期望电量水平所需的最短时间时，车辆才能参与到充放电调度中；

上述模型通过新型电价机制将需求侧资源用电功率与供应侧新能源出力信息关联起来，以负荷的用电需求与功率运行范围为约束，以最小化用户经济成本为目标，对负荷的用电计划进行优化；由于 与广义负荷值的正相关性，该模型会促使需求侧资源在负荷低谷时段用电或增加用电功率、负荷高峰时段不用电、减少用电功率或放电，从而实现提高光电利用率的目标。