1.考虑负荷不确定性的充换电站优化调度策略，其特征在于：具体步骤如下：步骤1：经济成本目标函数：风力发电并网运行，向充换电站供电，并于充换电站内基于换电站与电网、EV用户售购电能，基于风力发电接入的充换电站建立经济成本最低的目标函数；

步骤2：满意度目标函数：EV用户到达充换电站进行充换电，依据其充换电功率的比较来作为对充换电站的电动汽车用户满意度评价，以电动汽车用户满意度最大为目标函数式中： 为用户满意度最大的充电功率，当0≤i≤N1时是充电状态，N1

步骤3：单目标函数模型：将步骤1-2所获得的两个目标函数，利用相对化处理方法转化为单目标函数，并以充放电功率和SOC范围约束、充换电站功率约束为充换电站的约束条件；

步骤4：负荷裕度域指标：根据充电站某日全天的电动汽车负荷标准差和风力发电负荷标准差来确定次日的电动汽车负荷裕度域和风力发电负荷裕度域，并以此对次日的电动汽车负荷和风力发电负荷进行约束；其中，电动汽车的负荷标准差为：风电场发电出

力标准差为 若σmin<σ1,2<σmax

时，依据约束条件1来确定次日的电动汽车负荷裕度域和风力发电负荷裕度域；否则依据约束条件2来确定次日的电动汽车负荷裕度域和风力发电负荷裕度域；

约束条件1：

换电站整体充电功率约束：0≤Pchange(i,t)≤Pchangemin(i,t)+2Pλev(i,t)，其中，Pchange(i,t)为第i台电动汽车t时段的换电功率；Pchangemin(i,t)为第i台电动汽车t时段的最小换电功率；

风电场出力限制约束：0≤Pact(i,t)≤Pact_min(i,t)+2Pλwind(i,t)，式中：Pact_max(i,t)为风电场最大实际可用出力；

约束条件2： 式中Pλ(i,t)表示负荷裕度域，K是

负荷裕度域系数，取大于零的正数，Powmax(i,t-1)，Powmin(i,t-1)是某日负荷最大值和最小值，Pow(t)为某时刻t的电动汽车负荷或风力发电负荷；

步骤5：最后对以负荷裕度域指标为约束的单目标函数模型，利用可信性理论与模糊机会约束的融合，引入可信性测度指标，建立基于可信性理论的数学模型，采用带收缩因子的粒子群优化算法进行求解。

2.根据权利要求1所述的考虑负荷不确定性的充换电站优化调度策略，其特征在于，所述步骤1的目标函数，包括充电站成本、换电站成本和风电场成本。

3.根据权利要求2所述的考虑负荷不确定性的充换电站优化调度策略，其特征在于，所述充电站成本为充电站卖给EV用户的电和向电网售电量：式中：N1为电动汽车的台数(台)；Csg(t)为t时段运营商向电网的售电电价(元)；Cbg(t)为t时段运营商从电网的购电电价(元)；Cdischa(i,t)为第i台电动汽车t时段的放电电价(元)；Ccha(i,t)为第i台电动汽车t时段的充电电价(元)；Psg(t)为t时段运营商向电网售电的功率(Kw)；Pdischa(i,t)为第i台电动汽车t时段的放电功率(Kw)；Pbg(t)为t时段运营商从电网的购电功率(Kw)；Pcha(i,t)为第i台电动汽车t时段的充电功率(Kw)；σt为电动汽车的充电时长：设定一个调度周期为一天，σt设为1h。

4.根据权利要求2所述的考虑负荷不确定性的充换电站优化调度策略，其特征在于，所述换电站成本根据用户用车情况，考虑电池的租赁费用以及电量计费：F12＝f1+f2+f3，f1为每个电池的租赁费用，换电站每次提供换电服务时向电动汽车用户收取，即N2为用户待使用的换电站电池个数(个)；I(i,t,m)为第i台电动汽车t时段的充换电状态，称为电站充换电方式决策变量m＝0，I(i,t,m)＝0：插充状态；m＝1，I(i,t,m)＝1：换电状态；Crent(i,t)为电动汽车车载电池的租赁成本；f2为换电站按用户车辆当前电量进行计费的收益，也即： Csale(i,t)为电动汽车换电零售价；SOC(i,t)为第i台电动汽车t时段发生换电需求时电池的电量；SN为电池的额定容量。

5.根据权利要求2所述的考虑负荷不确定性的充换电站优化调度策略，其特征在于，所述风电场成本为 N3为风电场的个数(个)；Cwind为风电上网电价(元)；Ppre(i,t)为第i个风电场t时段的预测出力(KW)；Pact(i,t)为第i个风电场t时段的实际出力(KW)；Cbc为风电场减少出力的补偿费用系数。

6.根据权利要求2所述的考虑负荷不确定性的充换电站优化调度策略，其特征在于，所述步骤3的单目标函数模型为：单目标函数： F3(t)是社会福利，λ1是经济成本系数，F1max(t)是经济预测最大值，λ2是满意度系数；经济预测最大值可以由负荷预测最大值乘以所有时段中最高电价求得，计算公式为：F1max(t)＝Powmax(t)*Cmax，Powmax(t)是t时段的最大功率值，Cmax是所有时段中的最高电价；

充放电功率和SOC范围约束：

0≤Pcha(i,t)≤Pchamax(i,t)

0≤Pdischa(i,t)≤Pdischamax(i,t)

0≤Psg(t)≤Psgmax(t)

0≤Pbg(t)≤Pbgmax(t)

SOCNmin≤SOCN≤SOCNmax

式中：

Pchamax(i,t)为第i台电动汽车t时段的最大充电功率；

Pdischamax(i,t)为第i台电动汽车t时段的最大放电功率；

Psgmax(t)为t时段运营商(充换电站)最大售电量；

Psgmin(t)为t时段运营商(充换电站)最大购电量；

SOCN为电池额定荷量；

充换电站功率约束：某时段的系统实际使用总负荷应该小于同时段预测的充电功率、放电功率、换电功率之总和：式中：

Pow(t)L为t时刻系统实际最大总负荷；

由于系统中含有并网运行的风电场，因此需要考虑到风电场出力的不确定性问题，同时也要考虑电动汽车负荷的不确定性问题；因此采用可信性理论解决该不确定性问题，对该约束条件进行不确定性处理，建立基于可信性测度的不等式约束条件：式中，Cr表示可信性测度；μ为模糊变量；γ为置信水平。

7.根据权利要求1所述的考虑负荷不确定性的充换电站优化调度策略，其特征在于，所述可信性理论与模糊机会约束的融合，引入可信性测度指标，建立了基于可信性理论的数学模型为：可信性理论是研究模糊现象数量规律的一个新的数学分支，它建立在严密的公理化基础之上；

引入可信性测度指标：

设Θ为非空集合，P(Θ)表示Θ的幂集，即Θ的所有子集构成的集合；P(Θ)中的元素称为模糊事件；为了介绍可信性的公理化定义，有必要定义集函数，对Θ的每个子集A，规定一个非负数Cr{A}，表示事件A发生的可信性；为了保证集函数Cr{A}具有人们直观上期望具备的某些数学性质，可以考虑如下五条公理：公理1：Cr{Θ}＝1；

公理2：Cr是单调增加的，即：当 时有Cr{A}≤Cr{B}；

公理3：Cr是自对偶的，即：对任意的A∈P(Θ)有Cr{A}+Cr{Ac}＝1；

公理4：对任意满足Cr{Ai}≤0.5的{Ai}有Cr{∪iAi}∧0.5＝supiCr{Ai}；

公理5：设Θk是非空集合，Crk在其上分别满足前四条公理，k＝1,2,…n，并且Θ＝Θ1×Θ2×…×Θn，则对每个(θ1,θ2,…,θn)∈Θ成立Cr{(θ1,θ2,…θn)}＝Cr1{θ1}∧Cr2{θ2}∧…Crn{θn}定义：如果集函数Cr满足前四条公理，则称之为可信性测度；

下一步引入模糊变量：

传统上，模糊变量是由隶属度函数来定义的；现在模糊变量被定义为可信性空间上的实值函数，相当于随机变量被定义为概率空间上的可测实值函数；

定义3：一个模糊变量就是指从可信性空间(Θ,P(Θ),Cr)到实数集中的函数；

一个n维模糊变量就是指从可信性空间(Θ,P(Θ),Cr)到n维实向量空间中的函数，容易验证向量(ξ1,ξ2,…ξn)是一个模糊向量当且仅当每个分量(ξ1,ξ2,…ξn)都是模糊变量；

基于可信性理论的模糊机会约束规划模型可表示为：

minf(X)

s.t.Cr(gj(X,ξ)≤0)≥γj＝1,2,...n式中，Cr{.}表示{.}发生的可信性，γ表示预先设定的置信水平，gj(X,ξ)≤0为约束条件，其中X为决策变量，ξ表示模糊变量。