1.一种多目标协同优化的多微网能量管理方法，其特征在于，所述方法包括以下步骤：

1)场景生成和削减，过程如下：

首先，假定每个不确定输入都有一个概率密度函数PDF，得到每个不确定参数的场景，接着通过减少场景数量来提高优化的计算速度；

根据可再生发电的特性，利用Weibull和Beta分布来描述参数风速和光照强度的PDF，Weibull分布如下：式中：v为风速，k为形状参数，c为比例参数，μ和δ分别为风速的平均值和标准差，Γ()为gamma函数；

对于光照强度概率密度函数，用Bate分布描述：

式中：L为光照强度，a和b为分布参数，θ和γ分别为晴空指数的均值和标准差；

由于PDF中不可能有无限集，因此需要从PDF中选择一组间隔，nx是每个场景的间隔数，每个场景概率计算方法如式(6)和(7)：式中：x表示不确定随机变量，为光照强度或风速； 为场景nx概率；Nx为最大场景数；

为场景nx期望值； 和 分别为场景nx起始值和结束值；

由式(8)和(9)计算出场景总数量Ns和场景向量ρs：采用混合整数线性规划场景削减技术，保留典型场景，如式(10)：使用该技术找到所需最小场景数，在上述公式中， 为二元变量表示n1和n2场景的选择，参数ρs(n1,n2)表示场景n1和n2的发生概率；

2)多目标优化函数建立，过程如下：

2.1)目标1：多微网运行成本如式(1)-(10)：MinCost＝Min[CostPV+CostWT+CostDG+CostFC+CostMT+CostCL+CostGrid] (11)式中：CostPV、CostWT、CostDG、CostFC、CostMT、CostCL、CostGrid分别表示光伏、风机、柴油发电机、燃料电池、燃气轮机、减载和向电网购电所需成本，分别为各 装置的 运维成本 ，

分别为各装置所消耗燃料成本，

分别为各装置运维成本系数，km为微网m柴油发电机在最低发电量下运行成本，Im,t为微网m柴油发电机机组状态；ΔT为时间间隔长度，πm,n为微网m中柴油发电机线性发电成本函数，Pm,n,t为t时刻微网m中柴油发电机分段线性发电成本函数第n分段的上限功率，Cng/Lng为燃料价格系数， 分别为t时刻微网m各装置发电功率，PtGrid为t时刻整个系统向主网购电功率， 为t时刻微网m的负荷削减功率，CCL为惩罚成本， 与 分别为t时刻微网m燃料电池和燃汽轮机的发电效率， 为t时刻整个系统向主网购电成本系数，NM为微网个数，NT为最大时间，设为24；

式(11)为多微网总运行成本，式(12)和(13)分别为光伏与风机运维成本，式(14)～(15)分别为柴油发电机总成本、消耗的燃料成本与运维成本，式(17)和(18)为燃料电池与燃气轮机所花成本，式(19)为减载所造成的惩罚成本，式(20)为向主网购电成本；

2.2)目标2：独立性能指数

式中：IPIMMG为多微网独立性能指数， 为t时刻微网m的总负荷功率， 为t时刻微网m的柔性负荷功率， 为t时刻微网m的刚性负荷功率；

2.3)将两个目标函数统一表示：

Max(f1(x),f2(x),...,fk(x))    (23)s.t:x∈X       (24)

式中：k为目标数量，X为决策变量的可行解集合，fk(x)为第k各子目标函数；

3)CP求解算法，过程如下：

确定一个乌托邦式的解，以该解作为决策的参考点，基于引入的距离概念，找出最接近理想解的解集，利用CP方法能够将原多目标优化问题转化为单目标优化问题，从而求解。

2.如权利要求1所述的一种多目标协同优化的多微网能量管理方法，其特征在于，所述步骤3)中，CP法的公式为：式中：Wi为权重向量，fi和fi*分别为单目标模型的最优解和理想解，1/P次幂表示了决策者对距离概念的态度，P取1、2或者无穷；

根据不同的1/P取值，定义不同的距离：

3.1)当P＝1时，计算理想解与各最优帕累托解之间的笛卡尔距离，最优解与理想解的距离最小；

3.2)当P＝2时，计算理想解与各最优解之间的欧氏距离，解c的欧氏距离等于AC；

3.3)当P＝∞时，该距离需根据切比雪夫距离计算得出，最优解与理想解的切比雪夫距离最小，这种距离是在向量空间上定义的度量，在向量空间中，两个向量之间的距离是它们在任何坐标维度上的最大差异，令式(25)中P＝∞，则式(26)变为

利用线性规划将式(27)转换为(28)

式中：ξ为Min-Max方法的自由变量；

P的每一个值都提供了一个位于Pareto前沿的解，基于最优化理论，这些解决方案并不占主导地位，因此，P值的选择取决于多微网操作员的偏好。