1.一种负荷聚合商邀约寻优方法，其特征在于，包括：基于负荷聚合商与激励型用户的关系建立激励型需求响应模型；基于所述激励型需求响应模型建立所述激励型用户在不同激励值下的激励型需求响应函数；基于所述激励型需求响应函数建立所述激励型用户的寻优指标；基于所述寻优指标建立所述负荷聚合商对激励型用户的激励型邀约寻优模型；以所述寻优指标最大为目标，对所述激励型邀约寻优模型进行求解，得到所述负荷聚合商对所述激励型用户的最优邀约方案；其中，所述激励型需求响应模型的表达式包括：其中， 为第 n 个激励型用户在 t 时刻提供的实际需求响应量； 为第 n 个激励型用户对应的二进制变量，代表负荷聚合商是否向该用户发出需求响应邀请； 为第 n 个用户的实际负荷削减比例； 为第 n 个激励型用户在 t 时刻的基线负荷， 为激励型用户的数量， 为需求响应事件时段， 和 分别为第 n 个激励型用户计及用户响应行为不确定性的负荷削减比例的下限和上限； 为负荷聚合商给予第 n 个激励型用户的补偿， 为第 n 个激励型用户在 t 时刻收到的激励值； 为负荷聚合商给予所有激励型用户的补偿；所述寻优指标的表达式包括：其中， 为第 n 个激励型用户的价值系数， 为第 n 个激励型用户的响应量系数， 为第 n 个激励型用户的波动程度系数， 为第 n 个激励型用户响应量归一化值， 为第 n 个激励型用户波动程度归一化值； 为第 n 个激励型用户的需求响应下限值， 和 分别为所有激励型用户需求响应总量的下限值和上限值； 为第 n 个激励型用户的波动程度， 和 分别为所有激励型用户的波动程度最小值和最大值；所述激励型需求响应函数为：其中， 为第 n 个激励型用户的需求响应上限； 和 分别为第 n 个激励型用户的饱和点对应的激励值和负荷削减比例，在激励饱和点用户的响应程度达到上限，此时不确定性较小； 为第 n 个激励型用户在激励值为0时用户响应量的上确界， ， ； 为第 n 个激励型用户的负荷削减比例； 为激励型用户的数量； 为第 n 个激励型用户的临界激励点，此时用户能提供的响应量下确界为0，用户在此激励值下的响应量必然大于0； 为第 n 个激励型用户的响应波动程度；所述以所述寻优指标最大为目标，对所述激励型邀约寻优模型进行求解，得到所述负荷聚合商对所述激励型用户的最优邀约方案，包括：以预设步长在预设区间内对所述激励型邀约寻优模型中的激励值进行遍历，基于所述激励型邀约寻优模型进行求解，计算每个激励值对应的邀约方案，得到所述负荷聚合商对所述激励型用户的最优邀约方案。
2.如权利要求1所述的负荷聚合商邀约寻优方法，其特征在于，所述方法还包括：基于负荷聚合商与直接负荷控制用户的关系建立控制型需求响应模型。
3.如权利要求2所述的负荷聚合商邀约寻优方法，其特征在于，所述基于负荷聚合商与直接负荷控制用户的关系建立控制型需求响应模型之后，所述方法还包括：基于所述控制型需求响应模型建立所述负荷聚合商对直接负荷控制用户的控制型邀约寻优模型。
4.如权利要求3所述的负荷聚合商邀约寻优方法，其特征在于，所述以所述寻优指标最大为目标，对所述激励型邀约寻优模型进行求解，得到所述负荷聚合商对所述激励型用户的最优邀约方案包括：以所述寻优指标最大为目标，对所述激励型邀约寻优模型和控制型激励寻优模型进行求解，得到所述负荷聚合商对所述激励型用户和所述直接负荷控制用户的最优邀约方案。
5.一种基于权利要求1至4任一项所述的负荷聚合商邀约寻优方法的负荷聚合商邀约寻优装置，其特征在于，包括：激励型需求响应模型建立模块，用于基于负荷聚合商与激励型用户的关系建立激励型需求响应模型；激励型需求响应函数建立模块，用于基于所述激励型需求响应模型建立所述激励型用户在不同激励值下的激励型需求响应函数；寻优指标建立模块，用于基于所述激励型需求响应函数建立所述激励型用户的寻优指标；激励型邀约寻优模型建立模块，用于基于所述寻优指标建立所述负荷聚合商对激励型用户的激励型邀约寻优模型；寻优模块，用于以所述寻优指标最大为目标，对所述激励型邀约寻优模型进行求解，得到所述负荷聚合商对所述激励型用户的最优邀约方案。
6.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
