1.基于多场景分析的风电机组配电网无功优化方法,其特征在于，包括步骤：建立风电机组配电网的无功优化数学模型，所述无功优化数学模型包括无功优化目标函数及无功优化约束条件；采用多场景分析法根据风电机组出力变化和负荷波动确定所述无功优化目标函数，具体包括：利用威布尔分布模拟风电机组出力变化的实际风速，并根据风速的值域对风电机组出力进行区间划分，获取多个风电机组出力区间；利用正态分布模拟电力系统的负荷波动，并根据负荷的波动值域对所述负荷进行区间划分，获取多个负荷区间；将所述风电机组出力区间和负荷区间进行组合，获取多个场景；以所述多个场景中的有功网损期望值最小化为目标确定所述无功优化目标函数；利用粒子群算法对所述无功优化数学模型进行求解。
2.如权利要求1所述的风电机组配电网无功优化方法，其特征在于，所述利用威布尔分布模拟风电机组出力变化的实际风速，具体为：根据风速的概率密度函数生成随机数来模拟实际风速，所述风速的概率密度函数为： 其中，v为风速，k和c分别为威布尔分布的形状参数和尺寸参数。
3.如权利要求1所述的风电机组配电网无功优化方法，其特征在于，所述利用正态分布模拟电力系统的负荷波动，具体为：根据负荷的概率密度函数生成随机数模拟负荷波动，有功负荷的概率密度函数为： 其中，P为有功负荷，μ L 、σ L 分别为有功负荷的数学期望和标准差。
4.如权利要求1所述的风电机组配电网无功优化方法，其特征在于，以多个场景中的有功网损期望值最小化为目标确定所述无功优化目标函数，具体包括步骤：计算各个场景概率：所述各个场景概率为对应的风电机组出力区间和负荷区间概率的乘积，其中，所述风电机组出力区间概率计算公式为：停机状态：p(P＝0)＝p{v＜v ci }+p{v＞v co }，欠额定运行状态：p(P＝(P i-1 +P i )/2)＝p{v i-1 ≤v＜v i },i＝1,2,...n，额定运行状态：p(P＝P r )＝p{v r ≤v≤v co }；将各个场景概率通过潮流计算获得每个场景下的有功网损值，以有功网损最小化为目标，确定无功优化目标函数： 其中，p i 为第i个风电机组出力区间的概率，p j 为第j个负荷区间的概率， 为负荷区间为p i 、风电机组出力区间为p j 组合场景下配电网的有功网损值。
5.如权利要求1所述的风电机组配电网无功优化方法，其特征在于，所述利用粒子群算法对所述无功优化数学模型进行求解之前，还包括确定所述无功优化数学模型的控制变量，并用粒子对控制变量进行编码的步骤。
6.如权利要求5所述的风电机组配电网无功优化方法，其特征在于，所述确定无功优化数学模型的控制变量，对控制变量进行编码，具体包括步骤：将无功补偿电容器的投切组数作为控制变量；粒子采用整数编码对所述控制变量进行编码，编码为[X 1 ,X 2 …X i …X N ]，其中，X i 表示第i个节点投切的补偿电容器组数。
7.如权利要求6所述的风电机组配电网无功优化方法，其特征在于，所述利用粒子群算法对所述无功优化数学模型进行求解，具体包括步骤：根据无功补偿电容器投切组数的约束对粒子进行随机初始化，包括粒子的速度初始化和位置初始化；对每个粒子进行潮流计算和无功优化目标函数计算，并根据目标函数值计算粒子适应度值；根据适应度值确定各粒子的最优位置和全局最优位置；更新粒子速度和位置，根据粒子更新的速度和位置重新获取各粒子的最优位置和全局最优位置。
8.如权利要求7所述的风电机组配电网无功优化方法，其特征在于，所述更新粒子速度和位置包括：粒子速度更新的计算公式为： 粒子位置更新的计算公式为：X k+1 ＝X k +V k+1 ，其中，ω为惯性权重；r 1 和r 2 为分布于[0,1]之间的随机数；k为当前迭代次数；P best 为个体最优粒子位置；G best 为全局最优粒子位置；c 1 和c 2 是加速系数；V为粒子速度；X为粒子位置。
