1.一种配电网仿射状态估计方法，其特征在于，包括：

获取含有光伏发电、风力发电的分布式电源出力不确定性以及负荷波动性的不确定性区间；

将所述含有光伏发电、风力发电的分布式电源出力不确定性以及负荷波动性的不确定性区间转化为仿射数形式作为节点注入不确定性功率；

获取数据采集与监视控制系统SCADA量测的SCADA数据和微型同步相量测量单元μPMU量测的μPMU数据；所述SCADA数据包括支路功率、节点电压幅值；所述μPMU数据包括电压幅值和相角；

基于所述数据采集与监视控制系统SCADA的时延性，将所述SCADA数据和所述μPMU数据对齐，利用自适应系数指数平滑法预测所述SCADA数据，确定预测后的SCADA数据以及对齐后的μPMU数据；

根据所述预测后的SCADA数据以及所述节点注入不确定性功率的仿射数模型进行上层状态估计，确定上层状态估计的仿射数结果，具体包括：(1)

利用上层状态估计的量测方程z1＝h1(x )+r确定上层状态估计的仿射数结果；其中，z1为量测量，所述量测量包括SCADA量测获得的支路功率、节点电压幅值以及所述的节点注(1) (1) (1)入不确定性功率；h1(x )为非线性方程；x 为状态量，x 包括节点电压的幅值 和相(1)角 r为量测误差，则状态变量x 可通过如下方式进行迭代求解：(1)

式中，H(x )为雅克比矩阵，W1为协方差矩阵；

结合所述上层状态估计的仿射数结果与所述对齐的μPMU数据确定线性混合量测的配电网下层状态估计模型；

根据所述配电网下层状态估计模型确定仿射数结果，具体包括：节点电压幅值 相角的仿射值 与μPMU实时量测的节点电压相量添加±α％的波动区间共同作为下层状态估计的仿射量测量，则量测方程表示为：(2)

z2＝h(x )+ε2

(1)

式中，z2为上层仿射状态估计结果及μPMU实时量测的节点电压相量仿射区间,h1(x )为线性方程，ε2为量测误差，则状态变量结果 可通过如下方式进行迭代求解：式中，E为量测方程的系数矩阵，W2为协方差矩阵；

所得状态变量结果 为节点电压幅值和相角的仿射形式，表示为：式中： 为最终状态估计仿射数结果，Vij、θij为引入新的噪声元εv,j、εθ,j时产生的系数；

将所述仿射数结果转换成区间数；

根据所述区间数估计配电网仿射状态。

2.根据权利要求1所述的配电网仿射状态估计方法，其特征在于，所述将所述含有光伏发电、风力发电的分布式电源出力不确定性以及负荷波动性的不确定性区间转化为仿射数形式作为节点注入不确定性功率，具体包括：利用风电概率模型、光伏发电概率模型、负荷波动概率模型，以95％的置信区间作为功率不确定性的区间输出，并转化为仿射数形式作为节点注入不确定性功率；

(1)以风速服从双参数Weibull分布的风速概率模型的95％的置信区间作为风速不确定性的区间，结合输出功率与风速的关系，输出有功功率区间 其中，Pi,wid为风力发电有功功率输出下限； 为风力发电有功功率输出上限；风机以恒功率因数运行，则输出的无功功率区间为 其中，qi,wid为风力发电无功功率输出下限； 为风力发电无功功率输出上限；利用仿射数学将两个功率区间转化为仿射数形式：其中： 为风力发电的有功出力仿射数形式；εp,i,wid为风力发电的仿射数引入的有功的噪声元； 为风力发电的无功出力仿射数形式；εq,i,wid为风力发电的仿射数引入的无功的噪声元；

(2)以光伏电池出力的95％的置信区间作为光伏发电不确定性的区间数形式，有功、无功功率区间分别为 其中，Pi,pv为光伏发电有功功率输出下限；qi,pv为光伏发电无功功率输出下限； 为光伏发电有功功率输出上限； 为光伏发电无功功率输出上限，并满足以下有功和无功出力的约束：

2 2 2

(pi,pv) +(qi,pv) ≤(Si,pv)

其中，Si,pv为复功率；

利用仿射数学法转化为仿射数形式：

其中， 为光伏发电的有功出力仿射数形式；εp,i,pv为光伏发电的仿射数引入的有功的噪声元； 为光伏发电的无功出力仿射数形式；εq,i,pv为光伏发电的仿射数引入的无功的噪声元；

(3)以负荷波动概率模型的95％的置信区间作为负荷波动性的区间数形式，有功、无功功率区间分别为 其中，Pi,load为负荷波动有功功率输出下限；Qi,load为负荷波动无功功率输出下限； 为负荷波动有功输出上限； 为负荷波动无功功率输出上限，利用仿射数学法转化为仿射数形式：其中，噪声元满足‑1≤εp,i,load,εQ,i,load≤1； 为负荷波动的有功出力仿射数形式；

εp,i,load为负荷波动的仿射数引入的有功的噪声元； 为负荷波动的无功出力仿射数形式；εQ,i,load为负荷波动的仿射数引入的无功的噪声元。

3.根据权利要求1所述的配电网仿射状态估计方法，其特征在于，所述基于所述数据采集与监视控制系统SCADA的时延性，将所述SCADA数据和所述μPMU数据对齐，利用自适应系数指数平滑法预测所述SCADA数据，确定预测后的SCADA数据以及对齐后的μPMU数据，具体包括：获取所述SCADA数据量测时延的期望Ed，则在任一时刻取用时间为Ed+Ts；Ts为所述μPMU数据的到达时刻；

在Ts时刻对应的取用范围内搜索所述SCADA数据，若存在所述SCADA数据，确定所述取用范围内的数据为Ts时刻对应的SCADA数据；

利用公式 对所述SCADA数据进行预测，确定预测后的SCADA数据；其中，αt为变系数，xt为历史数据；为预测值 为下一时刻预测值。

4.根据权利要求1所述的配电网仿射状态估计方法，其特征在于，所述基于所述数据采集与监视控制系统SCADA的时延性，将所述SCADA数据和所述μPMU数据对齐，利用自适应系数指数平滑法预测所述SCADA数据，确定预测后的SCADA数据以及对齐后的μPMU数据之后，还包括：将预测后的SCADA数据作为补充伪量测与所述μPMU数据对齐融合。

5.根据权利要求1所述的配电网仿射状态估计方法，其特征在于，所述将所述仿射数结果转换成区间数，具体包括：利用公式 将所述仿射数结

果转换成区间数。