1.一种耦合弃电风险的风光水多能互补短期优化调度方法，其特征在于，包括以下步骤：步骤一：根据多维不确定性因子的相关性，构建多变量随机模拟模型；

步骤二：建立弃电风险评价指标，根据步骤一建立的多变量随机模拟模型，对风光水多能互补系统的弃电风险进行识别和量化；

步骤三：基于风险和效益均衡理论，构建耦合弃电风险的风光水多能互补系统短期优化调度模型，利用双层嵌套算法对所构建的耦合弃电风险的风光水多能互补系统短期优化调度模型进行求解，获取风险和效益均衡的耦合弃电风险的风光水多能互补短期优化调度计划；

所述步骤二中，采用弃电率作为弃电风险评价指标时，风光水多能互补系统的弃电风险量化的计算式为：式中：Rc为多情景下平均弃电率；S为总情景数；s为情景编号； 为随机模拟模型提供的次日风、光、水电实际出力；Dt为电力系统给风光水多能互补系统下达的负荷；

所述步骤三中，所述耦合弃电风险的风光水多能互补系统短期优化调度模型为双层规划优化模型，所述双层规划优化模型包括上层模型和下层模型，所述上层模型在给定来水、风光出力条件下，优化互补系统总出力，在兼顾弃电风险条件下，使得余留负荷平方和最小；所述下层模型在给定互补系统总出力条件下，优化水电站间的负荷分配策略，使得梯级水电站蓄能最大；

所述双层规划优化模型的基本结构包括：

hs

式中：Lt为大电网负荷；Pt 为互补系统总出力；λ为风险偏好系数；P为各水电站在各调度时段的出力矩阵，为上层模型的决策变量；R为各水电站在各时段的发电流量矩阵，为下层模型的决策变量；M为水电站个数；Km为水电站综合出力系数；Im,t为入库流量；Qm,t为出库流量；Hj,t为水头；F为上层模型的目标函数；f为下层模型的目标函数；G和g均为约束条件函数；

所述双层嵌套算法中，针对上层模型采用外层算法；

其中，所述外层算法采用智能算法优化互补系统总出力，使得上层模型的目标函数最小；

所述双层嵌套算法中，针对下层模型采用内层算法；

其中，所述内层算法在给定互补系统总出力条件下，采用判别系数与蓄满率相结合的方法确定水电站厂间负荷分配策略，使得下层模型的目标函数最大。

2.根据权利要求1所述的一种耦合弃电风险的风光水多能互补短期优化调度方法，其特征在于，步骤一中，对于具有明显相关性的多维不确定性因子，基于Copula联结函数构建多变量联合概率分布函数，所述多变量联合概率分布函数为：F(X1,X2,X3…,Xn)＝C[F(X1),F(X2),F(X3)…F(Xn)]；

式中：F(X1)、F(X2)、F(X3)…F(Xn)分别为预测误差的边缘概率分布函数；C为Copula联结函数。

3.根据权利要求1所述的一种耦合弃电风险的风光水多能互补短期优化调度方法，其特征在于，步骤一中，对于相互独立的多维不确定性因子，采用时间序列模型进行随机模拟；当随机模拟的多维不确定性因子具有相关性时，选择一个多维不确定性因子作为主变量，其它多维不确定性因子为从变量；首先对主变量进行随机模拟，生成多个时间截口的长系列样本，然后基于贝叶斯条件概率公式，依次对其他从变量进行模拟，贝叶斯条件概率公式为：式中：u1＝F(X1)，F(X1)为预测误差的边缘概率分布函数；C为Copula联结函数；Zn为贝叶斯条件概率；F(X2)、F(X3)…F(Xn)分别为预测误差的边缘概率分布函数；Rc表示多情景下平均弃电率。

4.根据权利要求1所述的一种耦合弃电风险的风光水多能互补短期优化调度方法，其特征在于，步骤一中，多维不确定性因子包括负荷预测误差、径流预测误差、风电出力预测误差和光电出力预测误差。

5.根据权利要求4所述的一种耦合弃电风险的风光水多能互补短期优化调度方法，其特征在于，弃电率为新能源弃电量与实际发电量的比值。