1.一种基于机会约束规划的有源配电网智能软开关电压控制方法，其特征在于：包括以下步骤：步骤1、根据选定的配电系统，分别输入支路参数，负荷水平，配电网所在区域风机、光伏的分布式电源出力历史数据，网络拓扑连接关系，系统运行电压水平限制和支路电流限制，智能软开关接入位置、容量和损耗系数，基准电压和基准功率初值；步骤2、依据步骤1提供的配电网所在区域风机、光伏的分布式电源出力历史数据，采用k-means聚类算法进行聚类分析，得到用以描述分布式电源出力不确定性的典型场景及各场景出现的概率；步骤3、依据步骤1提供的配电系统结构及参数以及步骤2得到的场景聚类结果，建立基于机会约束规划的有源配电网智能软开关电压控制模型；步骤4、根据步骤3得到的有源配电网智能软开关电压控制模型，引入辅助变量进行二次规划模型转化；步骤5、将步骤4得到的电压控制二次规划模型，采用混合整数二次规划算法进行求解；步骤6、输出步骤5的求解结果，包括目标函数值、各节点电压幅值、智能软开关控制策略；所述步骤3的具体方法为：(1)设定系统电压越限情况f V 和系统损耗f L 的加权和为目标函数，分别考虑配电系统潮流约束、配电系统安全运行机会约束、分布式电源运行约束和智能软开关运行约束；其中，设定系统电压越限情况f V 和系统损耗f L 的加权和为目标函数表示为：min f＝α L f L +α V f V式中，Ω t 为系运行时段的集合，Ω n 为系统所有节点的集合，Ω b 为系统支路的集合，Ω s 为分布式电源出力场景的集合；f为目标函数，α V 和α L 分别为系统电压越限情况f V 和系统损耗f L 的权重系数；R ij 为支路ij的电阻，I s，t，ij 为场景s、t时段节点i流向节点j的电流幅值；Δt为优化步长；p s 为场景s出现的概率； 为t时段接在节点i上智能软开关产生的损耗；U s，t，i 为场景s、t时段节点i的电压幅值； 和 U thr 分别为节点电压幅值优化区间的上下限；(2)配电系统潮流约束表示为：式中，X ij 为支路ij的电抗；P s，t，ij 为场景s、t时段支路ij上节点i流向节点j的有功功率；Q s，t，ij 为场景s、t时段支路ij上节点i流向节点j的无功功率；P s，t，j 和Q s，t，j 分别为场景s、t时段注入节点j的净有功和无功功率； 和 分别为t时段节点j上负荷消耗的有功功率和无功功率； 和 分别为t时段智能软开关在节点j上注入的有功功率和无功功率； 和 分别为场景s、t时段分布式电源在节点j上注入的有功功率和无功功率；(3)配电系统安全运行机会约束表示为：式中，P r {·}表示某一事件成立的概率；ε为置信参数； 分别为电压幅值的上下限； 分别为支路有功功率的上下限；(4)分布式电源运行约束表示为：式中， 为场景s、t时段节点i上接入分布式电源的有功出力的预测值； 和 分别为节点i上接入分布式电源无功出力的下限和上限； 为节点i上接入分布式电源的容量；(5)智能软开关运行约束表示为：式中，A SOP 为智能软开关的损耗系数； 为智能软开关在节点i处换流器的容量；所述步骤4引入辅助变量进行二次规划模型转化的具体步骤包括：(1)引入二进制辅助变量z s当z s ＝0时，考虑场景s被计及，得到的策略能够保证系统在场景s下安全运行；当z s ＝1时，场景s未被计及，得到的策略则无法确保场景s下系统能够稳定运行，其公式表示为：式中，Ω s 为分布式电源出力场景的集合；p s 为场景s出现的概率；(2)配电系统潮流约束条件转化通过大M法将步骤1中的辅助变量引入网络运行约束条件中，使得z s 取值能够正确反映由场景s生成的网络约束条件的有效性，转化后的系统潮流约束如下所示：式中，Ω b 为系统支路集合；M为一个常数；R ij 为支路ij的电阻；X ij 为支路ij的电抗；I s，t，ij 为场景s、t时段节点i流向节点j的电流幅值；Q s，t，ij 为场景s、t时段支路ij上节点i流向节点j的无功功率；P s，t，j 和Q s，t，j 分别为场景s、t时段注入节点j的净有功和无功功率； 和 分别为t时段节点j上负荷消耗的有功功率和无功功率； 和 分别为t时段智能软开关在节点j上注入的有功功率和无功功率； 和 分别为场景s、t时段分布式电源在节点j上注入的有功功率和无功功率；(3)系统安全运行约束条件转化转化后的系统安全运行约束为：
2.根据权利要求1所述的一种基于机会约束规划的有源配电网智能软开关电压控制方法，其特征在于：所述步骤2的具体步骤包括：(1)从N个数据对象中任意选择k个对象作为初始聚类中心；(2)以距离聚类中心欧氏距离最小为原则，将其余数据对象划分给相应的类别；(3)重新计算每个聚类的中心对象：与同类中其余对象之间的距离之和最小的样本即确定为当前类的中心；(4)重复步骤(2)和步骤(3)，直到聚类中心不再变化，聚类结束，输出聚类结果；基于聚类分析的结果，统计各场景出现的概率，具体关系如下式：π m ＝Card(C m )/N式中，π m 为第m个类簇即场景m出现的概率；N为待聚类数据的总个数，Card(C m )为第m个类簇所含数据对象的个数。
