1.一种光伏功率集合区间预测方法，其特征在于，包括以下步骤：步骤1、对历史光伏功率进行数据预处理；

步骤2、对步骤1处理后的所述历史光伏功率进行非平稳时段的判别，得到非平稳时段的光伏功率；

步骤3、对所述非平稳时段的光伏功率进行特征提取，得到输入变量；

步骤4、根据所述输入变量分别进行光伏功率的点预测、区间预测，得到点预测结果、区间预测结果；

步骤5、分别对所述点预测结果、区间预测结果进行多目标优化，得到第一优化区间、第二优化区间；

步骤6、将所述第一优化区间、第二优化区间及预测点的实际光伏功率共同作为输入进行多目标优化，得到光伏功率预测区间；

步骤2中采用辐功比差判别法进行非平稳时段的判别；

步骤3具体包括以下步骤：

分别计算非平稳时段光伏功率的每个影响因素变量的MIC值，选择MIC值较大的影响因素变量作为输入变量，MIC值的计算方式为：（3）；

上式中，x表示特征因素，y表示光伏出力，a、b分别x、 y方向上划分格子的个数，B为变量。

2.根据权利要求1所述的一种光伏功率集合区间预测方法，其特征在于， 步骤1具体过程为：采用中心极限定理对历史光伏功率进行异常数据检测、剔除，然后使用K近邻全算法和欧式距离法填补异常数据。

3.根据权利要求1所述的一种光伏功率集合区间预测方法，其特征在于，步骤4中所述光伏功率的点预测方法为：先将所述输入变量作为输入对LSTM模型进行训练，得到第一层基学习器；然后将第一层基学习器输出的预测结果与输入变量共同作为输入对第一层基学习器进行训练，得到Stack‑LSTM模型；将所述输入变量输入Stack‑LSTM模型进行预测，得到点预测结果。

4.根据权利要求1所述的一种光伏功率集合区间预测方法，其特征在于，步骤4中将所述输入变量输入BAYES神经网络进行预测，得到区间预测结果。

5.根据权利要求1所述的一种光伏功率集合区间预测方法，其特征在于，步骤6中，将所述第一优化区间、第二优化区间及预测点的实际光伏功率共同作为输入，采用NSGA‑II优化算法进行多目标优化，得到光伏功率预测区间。