1.一种多能虚拟电厂经济与辅助服务优化方法，其特征在于：其包括以下步骤：S1.考虑可再生能源不确定性，构建虚拟电厂经济与辅助服务联合优化模型，具体是：在典型日内调度场景下，对虚拟电厂内的多种资源进行统一建模，以及构建辅助服务参与机制与收益评估模型，并且建立最小化虚拟电厂运营成本目标函数和建立虚拟电厂约束条件，最小化虚拟电厂运营成本目标函数的表达式为： （1）， （2）， （3），其中， 表示最小化虚拟电厂的运营成本， t 表示第 t 个调度时段， T 表示调度时段的集和， 、 、 、 、 、 分别为电力运营商、风力发电机组、光伏组件、燃料电池系统、微型燃气轮机和储能设备在调度时段 t 的能源成本； 、 、 、 、 、 分别为电力运营商、风力发电机组、光伏组件、燃料电池系统、微型燃气轮机和储能设备在调度时段 t 的功率注入； 为柔性负荷调节变量，表示在调度时段 t 内通过可延后或可削减的负荷所实现的功率调整量； 、 、 、 分别为风力发电机组、光伏组件、燃料电池系统、微型燃气轮机、在调度时段t的运行状态，用“1”表示投运，用“0”表示停运； 和 分别表示风力发电机组、光伏组件、燃料电池系统、微型燃气轮机在调度时段t和调度时段t-1的运行状态，用“1”表示投运，用“0”表示停运， 表示储能设备的运行成本， 和 分别表示储能设备的运行状态，同样取 0/1，用于储能单元的启停成本计算； 、 分别为第 i 个分布式发电单元和第 j 个储能设备的启停成本； 、 分别为分布式发电单元和储能设备的数量； 、 分别为第 b 条支路在调度时段 t 的电阻与电流； 、 、 分别为系统原始损耗、最终损耗与优化后的新损耗； 、 分别为单位损耗成本、优化前后功率差异； 为向电网出售电的功率， 为售电价格， 表示柔性负荷调节成本， 表示电力系统中的电网支路总数，即整个配电网络中参与线路功率损耗计算的输电线条数；S2.采用融合改进粒子群优化算法与雪融优化器的混合优化策略对联合优化模型进行求解，获得最优调度方案，具体步骤为：S2.1.利用改进粒子群优化算法进行全局搜索，得到调度方案，具体方式为：利用改进粒子群优化算法进行全局搜索，更新粒子的速度与位置，逐步得到调度方案，粒子速度与位置的更新公式为： （25）， （26），其中， g 表示迭代次数， 和 分别表示粒子的速度和位置， 为粒子 p 的历史最优位置， 为当前全局最优位置， 和 为随机向量， 表示Hadamard乘积， 为惯性权重线性递减结果， 和 为学习因子；S2.2.采用适应度函数评估调度方案，判断是否满足迭代和收敛条件，当迭代和收敛条件全部满足，将该调度方案最为最优调度方案并输出，当迭代和收敛条件中有任意一项不满足，则进入S2.3；S2.3.结合雪融优化器的混合优化策略进行局部精细扰动与收敛控制，优化调度方案。
2.根据权利要求1所述的多能虚拟电厂经济与辅助服务优化方法，其特征在于：所述的虚拟电厂约束条件包括：功率平衡约束，其表达式为： （4），其中， 、 分别为储能设备第 t 个调度时段的放电与充电功率， 为第 t 个调度时段的线路损耗功率， 第 t 个调度时段的负荷需求；风力发电机组的出力功率约束，其表达式为： （5），其中， 、 分别为风力发电机组出力的最大、最小功率；光伏组件出力功率约束，其表达式为： （6），其中， 、 分别为光伏组件出力的最大、最小功率；微型燃气轮机出力限制，其表达式为： （7），其中， 、 分别为微型燃气轮机出力的最大、最小功率；燃料电池系统出力限制，其表达式为： （8），其中， 、 分别为燃料电池系统出力的最大、最小功率；向电力运营商购电限制，其表达式为： （9），其中， 、 分别为向电力运营商购电的最大、最小功率；可调负荷出力限制，其表达式为： （10），其中， 、 分别为储能设备可调负荷的最大、最小功率；柔性负荷调节限制，其表达式为： （11），其中， 为柔性负荷调节上限；储能设备充放电限制，其表达式为： （12）， （13）， （14）， （15）， （16），其中， 、 为储能设备在第 t 个调度时段的充、放电功率， 、 储能设备在第 t 个调度时段的最大充、放电功率， 、 为二进制状态变量， 为第 t 个调度时段的储能电量， 为上一时刻的储能电量； 储能充电效率， 储能放电效率；售电功率约束，其表达式为： （17）， （18）， （19），其中， 表示售电量， 为剩余电量， 为实际负荷， 为二进制变量， M 为常数。
3.根据权利要求1所述的多能虚拟电厂经济与辅助服务优化方法，其特征在于：所述S1中的构建辅助服务参与机制与收益评估模型具体包括：构建服务响应功率分配约束，其表达式为： （20），其中， 为资源 r 在第 t 个调度时段的发电功率， , 分别为的预留调频与备用服务响应功率， 为资源 r 的最大出力能力；构建供需匹配约束，其表达式为： （21）， （22），其中， 、 分别表示调频、备用需求；构建服务收益目标函数，其表达式为： （23），其中， 、 分别为第 t 个调度时段调频、备用服务的市场价格， 为虚拟电厂在整个调度周期内的辅助服务总收益。
4.根据权利要求1所述的多能虚拟电厂经济与辅助服务优化方法，其特征在于：所述S2.2中的适应度函数为： (27)，其中， 表示适应度， 表示虚拟电厂的运营成本， 表示权重系数， 为虚拟电厂在整个调度周期内的辅助服务总收益；判断是否满足如下收敛条件为满足以下两个条件之一：条件1.达到最大迭代次数 ；条件2.连续 代内最优适应度函数值变化小于设定阈值 ，即： （28）。
5.根据权利要求1所述的多能虚拟电厂经济与辅助服务优化方法，其特征在于：所述S2.3结合雪融优化器的混合优化策略进行局部精细扰动与收敛控制的具体步骤包括：S2.3.1.基于S2.1获得的调度方案的解，生成矩阵形式的随机集合和该解的上下限，生成矩阵形式的随机集合的表达式为： （29），上下限的计算公式为： （30），其中， N 和 n 分别表示种群粒子数和解的维度， m 表示矩阵中的维度索引， m ∈ n ， U 、 L 分别为取值的上、下限， 为[0,1]内的随机数；S2.3.2.通过布朗运动的引入更新粒子的位置，粒子位置的更新公式为： （31），其中， 为第 p 个粒子的位置， g 为当前迭代次数， 为精英粒子合集中的随机个体， 为布朗运动的高斯分布生成的一个随机数向量， 为按行相乘， 为代表群体中若干精英群体中随机选出的个体， 为整个粒子位置的质心；S2.3.3.通过融雪过程逐渐收敛，找到最佳的解，此阶段的位置更新公式为： （32）， （33），式中： 为[-1,1]的随机数， P 为融雪模型， 为最大迭代次数， 为[0,1] 内的随机数， 表示第 代中随机选出的个体位置或索引。
