1.一种基于智能网关的含分布式电源微电网的调度方法，所述分布式电源包括储能站和风光电站，其特征在于，包括以下步骤：A)在目标电网与分布式电源连接的节点w i,i∈[1,n] 上安装智能网关 所述智能网关 具有与调度中心连接的通信模块、监测节点电压电流的监测模块、监测节点相位的相位监测模块、监测节点频率的频率监测模块以及与分布式电源连接的控制模块；B)将一日划分为n个时段t j,j∈[1,n] ，调度中心由下一时段t j+1 负载的有功功率预测值 和无功功率预测值 计算下一时段t j+1 特征值 若特征值 小于设定阈值λ thr ，则t j+1 时段内风光电站G i,i∈[1,l] 仅输出有功功率，l为风光电站的数量， 为出力预测值，并进入步骤D)，反之，进入步骤C)；C)调度中心计算 并确定风光电站G i,i∈[1,l] 输出有功功率 和无功功率 且满足 D)将时段t j+1 等分为N个小时间段，每个小时间段起始时刻t j+1|k,k∈[1,N] ，节点w i 对应的智能网关 读取节点w i 上的电压和频率，根据节点w i 上的电压和频率，智能网关 就地对风光电站G i 或储能站E i,i∈[1,m] 进行功率控制，m为储能站的数量。
2.根据权利要求1所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，步骤C)中，时段t j+1 内风光电站G i,i∈[1,l] 的有功功率 和无功功率 的分配方法包括：C11)建立评价函数 为馈线i在时段t j+1 内传递的平均有功功率， 为馈线i在时段t j+1 内传递的平均无功功率， 为馈线i的负载上限,h是馈线数量；C12)使用优化算法，获得使评价函数 值最小的风光电站G i,i∈[1,l] 的无功功率 值，有功功率 为风光电站G i,i∈[1,l] 的实时出力。
3.根据权利要求2所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，步骤C12)中，计算风光电站G i,i∈[1,l] 的工作功率因数 时段t j+1 内有功功率 和无功功率 的分配使 总是成立作为优化算法的限制条件，λ′ thr 为设定阈值，λ′ thr >λ thr 。
4.根据权利要求2或3所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，步骤D)中，若节点w i 上连接的是风光电站G i ，则执行以下步骤：若节点w i 电压低于标准值，则智能网关 控制风光电站G i 增加无功功率 的输出，若节点w i 电压高于标准值，则智能网关 控制风光电站G i 减少无功功率 的输出。
5.根据权利要求1或2或3所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，步骤D)中，若节点w i 上连接的是储能站E i ，则执行以下步骤：若节点w i 电压低于标准值，则智能网关 控制储能站E i 增加功率输出或降低充电功率，若节点w i 电压高于标准值，则智能网关 控制储能站E i 增加充电功率或降低放电功率。
6.根据权利要求4所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，还执行以下步骤：D11)计算风光电站 的实时出力 偏离出力预测值 的偏离概率 τ为偏离率， σ为偏离率τ|t j+1 出现的概率；D12)时段t j+1 内，实时监控风光电站G i,i∈[1,l] 的实时出力 的偏离率τ|t j+1 ，若偏离概率 则增加储能站E i,i∈[1,m] 的充电功率或减小储能站E i,i∈[1,m] 的放电功率，反之，则按设定幅度增大风光电站G i,i∈[1,l] 输出的无功功率 直到实时出力 的偏离率τ|t j+1 对应的偏离概率 回落至σ thr 以下。
7.根据权利要求6所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，步骤D11)中，计算偏离概率 的方法包括：D111)统计每个小周期内风光电站G i,i∈[1,l] 的实时出力的均值 r∈[1,N]；D112)将时段t j+1 前的w个时段执行步骤C11)，获得每个时段内的每个小周期内风光电站G i,i∈[1,l] 的实时出力的均值 u∈[j-w,j],r∈[1,N]；D113)统计 的最大值和最小值 将区间 等分为若干个取值区间，分别统计落入每个区间内的 的数量，将每个取值区间内的 的数量与w·N的比值，作为风光电站G i,i∈[1,l] 的实时出力 落入的取值区间对应的偏离概率
8.根据权利要求5所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，步骤D)中，控制储能站E i,i∈[1,m] 增加充电功率或增加放电功率的方法包括：D21)计算储能站E i,i∈[1,m] 的总增加充电功率 ρ为设定裕度系数，ρ>1；D22)建立评价函数 其中z表示小周期序数， 为馈线i在时段t j+1 的第z个小周期的平均负载， 为馈线i的负载上限,h是馈线数量；D23)在第z个小周期开始前的设定时刻，以第(z-1)个小周期至当前时刻内的风光电站G i 的实时出力 的均值计算 的值；D24)使用优化算法，获得使评价函数 值最小的储能站E i,i∈[1,m] 的实时增加充电功率，在下一个小周期开始前的设定时刻返回步骤D23)执行。
