1.一种机组组合决策的日前调度模型的建模方法，其特征在于，它包括以下步骤：步骤1，将机组组合决策分为基本场景和最坏场景；

步骤2，以不确定性因素功率预测值为基础，以系统总运行成本最小为目标，同时考虑在确定性环境下的常规约束条件，进行基本场景下的日前调度模型的建模；

步骤3，以不确定性电源出力的最大波动出力为基础，考虑不确定性约束条件，进行最坏场景下的日前调度模型的建模。

2.根据权利要求1所述的机组组合决策的日前调度模型的建模方法，其特征在于，在进行基本场景下的日前调度模型的建模时，它包含的目标函数及约束条件如下：

1)确定包含了常规机组的燃料费用和机组启停成本的目标函数：其中：

式中： 表示机组i在t时刻的有功出力； 表示机组i在t时刻的状态； 为开停机费用，ai、bi、ci为机组的发电成本函数的参数；

2)确立该模型中含有的约束条件如下：

(1)系统功率平衡约束，不计网损的情况下：式中： 为t时刻风电出力和负荷功率以及光伏发电出力的预测值；

(2)常规机组出力约束：

式中：Pimin与Pimax分别表示火电机组i的最大和最小有功出力；

(3)机组爬坡速率约束

上升爬坡速率约束

下降爬坡速率约束

式中：URi,DRi为常规机组爬坡功率限制；

(4)常规机组启停时间约束

式中： 为机组i在t时刻的开停机时间，Ton,iToff,i为最小开机和停机时间约束；

(5)网络安全约束

式中： 为线路最大潮流约束，SFl,m为节点功率转移因子；U(m)、D(m)、W(m)和V(m)分别为常规机组、负荷、风电以及光伏所在母线集合。

3.根据权利要求1或2所述的机组组合决策的日前调度模型的建模方法，其特征在于，利用不确定性环境下的系统约束条件对日前计划进行校核。

4.根据权利要求3所述的机组组合决策的日前调度模型的建模方法，其特征在于，在进行最坏场景下的日前调度模型的建模时，所确立模型中的约束条件为：(1)系统功率平衡约束，不计网损的情况下：式中： 和 为不确定情况下的风电出力、光伏出力以及负荷的实际值；

(2)常规机组出力约束：

式中： 为不确定情况下的常规机组实际出力；

(3)机组爬坡速率约束：

上升爬坡速率约束

下降爬坡速率约束

(4)旋转备用容量约束：

式中： 为常规机组的正、负旋转备用；

(5)网络安全约束

式中： 为线路最大潮流约束，SFl,m为节点功率转移因子；U(m)、D(m)、W(m)和V(m)分别为常规机组、负荷、风电以及光伏所在母线集合。

5.根据权利要求1所述的机组组合决策的日前调度模型的建模方法，其特征在于，所述不确定性包括考虑风电、光伏及负荷预测误差的不确定性。

6.根据权利要求5所述的机组组合决策的日前调度模型的建模方法，其特征在于，在进行最坏场景求解时，首先利用非参数核密度估计分别构建风电、光伏以及负荷的概率密度函数，然后利用拉丁超立方抽样生成样本，最后采用Cholesky分解法将上述具有相关性的随机样本转换为相互独立的随机样本，并以此为基础确定最坏场景。

7.根据权利要求6所述的机组组合决策的日前调度模型的建模方法，其特征在于，已知基于历史数据的负荷样本个数为n，则基于非参数核密度估计方法构建负荷的概率密度模型为：式中:φ(Pd)为负荷的概率密度函数；K(Pd,l)为核函数；Pdm为负荷样本中的第m个样本值，l为带宽。

8.根据权利要求7所述的考虑多重不确定性及相关性的电力系统日前鲁棒调度方法，其特征在于：选择高斯函数作为负荷概率密度模型的核函数，并对带宽l进行求解，从而得到系统负荷的概率密度函数φ(Pd)。

9.根据权利要求6或7所述的考虑多重不确定性及相关性的电力系统日前鲁棒调度方法，其特征在于：求得风电出力的概率密度函数φ(Pw)以及光伏出力概率密度函数φ(Pv)，如式(2)和式(3)：式中:φ(Pw)为负荷的概率密度函数；K(Pw,l)为核函数；Pwm为风电出力样本中的第m个样本值，l为带宽；

式中:φ(Pv)为负荷的概率密度函数；K(Pv,l)为核函数；Pvm为光伏出力样本中的第m个样本值，l为带宽。