1.一种基于光伏微网运行成本的蓄电池充放电调度优化方法，其特征在于，该方法具体包括以下步骤：步骤(1)基于相似类型日情况下的光伏微网用电负荷以及光伏发电历史数据，实现光伏微网用电负荷和光伏发电的未来24小时预测；设定优化单位时间△t为15分钟，24小时内的优化周期数T为96；确定最佳的相似类型日，将对应的光伏微网用电负荷和光伏发电历史数据作为未来24小时内每隔15分钟的预测结果，分别记为Pd(i)和PRE(i)，i＝1,2,...,T；

步骤(2)计算蓄电池在每个充放电周期的荷电状态；假设蓄电池在第i个优化周期的荷电状态SOC(i)，计算过程如式(1)所示；

式中，SOC(0)表示蓄电池的初始荷电状态；σ表示蓄电池的自放电率；CBAT表示蓄电池的容量；ηCB和ηDB分别表示蓄电池的充电和放电效率；PBC(i)和PBD(i)分别表示蓄电池在第i个优化周期的充电和放电功率；

假设在24小时的调度计划过程中，蓄电池充放电周期数为M，对应半周期数为2M，因此SOC曲线局部极大值和局部极小值的数目总和为2M+1；2M+1个局部极值的发生时刻记为ti，i＝1,2,…2M+1，它们对应于第ctk个优化周期，如式(2)所示：式中，Floor表示向下取整函数，因此2M+1个局部极值的荷电状态可分别记为SOC(cti),i＝1,2,…,2M+1；

步骤(3)计算蓄电池在每个充放电周期的放电深度；在每个充放电周期，蓄电池放电深度定义为蓄电池荷电状态下降和上升幅值的均值；如式(3)所示；

式中，DOD(k)表示在24小时的调度计划过程中，蓄电池第k个充放电周期所对应的放电深度；M为24小时调度计划过程中的蓄电池充放电周期数；

步骤(4)根据蓄电池的放电深度，计算蓄电池在每个充放电周期的老化成本CD(k)，如式(4)所示；

式中，a,b,α,β对应于蓄电池的制造参数，CI表示蓄电池单位容量的投资成本；

步骤(5)设定光伏微网运行成本目标函数；对于一个由光伏和蓄电池组成的微网系统，设定由电力需求费用、能源费用、光伏发电上网收益以及蓄电池老化成本所构成的目标函数J，如式(5)所示；

J＝min(CDemand+CEnergy‑EET+CD)                       (5)其中，min表示取极小值函数；电力需求费用CDemand、能源费用CEngergy、光伏发电上网收益EET以及蓄电池老化成本CD计算分别如式(6)，式(7)，式(8)和式(9)所示；

CDemand＝Pmax×PRDC                            (6)式中，Pmax表示在24小时调度计划过程中出现的电力负荷峰值；PRDC表示尖峰负荷单位电价；PEF(i)表示在第i个优化周期内从外部电网购买的电力功率；PREC(i)表示在第i个优化周期内的分时电价；PET(i)表示在第i个优化周期内光伏发电的上网功率；PRET(i)表示在第i个优化周期内的光伏上网电价；

步骤(6)设定光伏微网运行成本目标函数的约束条件：约束条件(1)：蓄电池放电和充电模式下的能源供需平衡条件分别如式(10)和式(11)所示；

Pd(i)＝PEF(i)+PRE(i)‑PET(i)+PBD(i)                 (10)Pd(i)＝PEF(i)+PRE(i)‑PET(i)‑PBC(i)                 (11)式中，Pd(i)，PRE(i)，PEF(i)，PET(i)，PBD(i)和PBC(i)的含义同前所述；

约束条件(2)：从外部电网购买的电力功率PEF(i)需满足平稳性条件，如式(12)所示；

ζ2P0≤PEF(i)≤ζ1P0                 (12)

式中，P0表示基准功率；ζ1和ζ2表示PEF(i)的上下界波动系数，可分别设置为0.8和0.2；

约束条件(3)：蓄电池放电和充电需满足最大允许功率限制条件，如式(13)和式(14)所示；

0≤PBD(i)≤PMDB                (13)

0≤PBC(i)≤PMCB                (14)

式中，PMDB和PMCB分别表示蓄电池的放电功率和充电功率上限；

步骤(7)在步骤(6)的约束条件下，针对步骤(5)所设定的光伏微网运行成本目标函数，利用粒子群算法求解蓄电池在每个优化周期的放电功率PBD(i)和充电功率PBC(i)。

2.根据权利要求1所述的一种基于光伏微网运行成本的蓄电池充放电调度优化方法，其特征在于，步骤(1)基于相似类型日情况下的光伏微网用电负荷以及光伏发电历史数据，实现光伏微网用电负荷和光伏发电的未来24小时预测；具体为：将季节分为春、夏、秋、冬四种季节类型，将天气分为晴、多云、雨雪3种天气类型，将一周分为周一、周二、周三、周四、周五以及节假日六种日期类型；首先确定调度优化24小时所对应的预测日，根据预测日的日期类型，从光伏微网用电负荷以及光伏发电历史数据中寻找候选的相似类型日；然后分别按季节和天气类型对候选的相似类型日进一步筛选；最后根据相似类型日与预测日最高气温的最小差值，确定最佳的相似类型日，将对应的光伏微网用电负荷和光伏发电历史数据作为未来24小时内每隔15分钟的预测结果，分别记为Pd(i)和PRE(i)，i＝1,2,...,T；其中T对应于24小时内的优化周期数，等于96。