1.一种计及电转气协同的虚拟电厂优化调度方法，其特征在于，包括以下步骤：步骤1，在虚拟电厂中引入碳捕集电厂-电转气-燃气机组协同运行框架，构建虚拟电厂系统；

步骤2，在虚拟电厂中进行碳捕集电厂、垃圾焚烧电厂和风-光的联合调度运行，以碳捕集电厂和垃圾焚烧电厂为可控单元，对虚拟电厂系统进行优化，建立虚拟电厂优化调度模型；具体包括：步骤2.1，引入垃圾焚烧电厂烟气处理模型；

步骤2.2，制定碳捕集电厂烟气处理与风-光协调运行策略；

步骤2.3，引入聚合单元模型；

步骤2.4，针对虚拟电厂优化调度模型制定优化目标；

步骤2.5，针对虚拟电厂优化调度模型制定约束条件；

步骤3，采用反余切复合微分进化算法对虚拟电厂优化调度模型进行求解。

2.根据权利要求1所述的一种计及电转气协同的虚拟电厂优化调度方法，其特征在于，所述引入碳捕集电厂-电转气-燃气机组协同运行框架包括：碳捕集电厂-电转气系统中的碳捕集电厂和电转气的设备能耗由参与联合调度运行的机组提供，碳捕集电厂-电转气系统能耗表达式如下：式中： 为 时段碳捕集电厂-电转气系统总能耗； 为 时段电转气设备能耗；

分别为 时段弃风和弃光功率； 和 分别为 时段碳捕集电厂能耗、碳捕集电厂运行能耗、碳捕集电厂净出力、碳捕集电厂等效出力和碳捕集电厂提供的碳捕集电厂能耗； 为碳捕集电厂-电转气系统能耗；

时段碳捕集电厂-电转气系统捕集的CO2量表达式如下：式中： 为碳捕集电厂处理单位CO2的运行能耗；

电转气设备 时段消耗的CO2量表达式如下：式中： 为生成单位功率天然气时需要CO2的量； 为电转气设备电转气的转换效率；

时段电转气生成的天然气量 表达式如下：

式中： 为天然气的热值。

3.根据权利要求1所述的一种计及电转气协同的虚拟电厂优化调度方法，其特征在于，所述引入垃圾焚烧电厂烟气处理模型具体包括：引入储气装置可通过调节烟气进入反应塔和储气装置的烟气分流比实现烟气处理与发电之间的解耦，通过控制烟气处理时段，配合虚拟电厂中各单元进行协调优化，其中，烟气处理模型的能耗为：式中： 为烟气处理系统的单位处理能耗系数； 为 时刻烟气处理能耗； 为时刻进行烟气处理的烟气量中由垃圾焚烧电厂运行产生的烟气提供的部分； 为 时刻进行烟气处理时储气装置提供的烟气量。

4.根据权利要求1所述的一种计及电转气协同的虚拟电厂优化调度方法，其特征在于，所述制定碳捕集电厂烟气处理与风-光协调运行策略具体包括：将碳捕集电厂与含储气装置的垃圾焚烧电厂和风电-光伏联合运行，一部分风电和光伏功率当作捕集能耗供给碳捕集电厂系统，另一部分功率当作烟气处理能耗供给烟气处理系统，其余部分的功率输入电网中；碳捕集电厂发电和垃圾焚烧发电的功率一部分当作碳捕集电厂能耗提供给碳捕集电厂系统，另一部分功率当作烟气处理能耗提供给烟气处理系统，其余部分的功率输向电网中；具体表达式如下：式中： 为 时段碳捕集电厂提供的碳捕集电厂能耗； 分别为时段风电、光伏机组和垃圾焚烧电厂提供的碳捕集电厂能耗； 为 时段碳捕集电厂能耗； 为 时段碳捕集电厂运行能耗； 为碳捕集电厂处理单位CO2的运行能耗； 为时段碳捕集电厂-电转气系统捕集的CO2量； 分别为 时段光伏、风电、碳捕集电厂和垃圾焚烧电厂提供的烟气处理能耗； 为 时刻烟气处理能耗；

分别为 时段风电、光伏和垃圾焚烧电厂发电上网功率；

分别为 时段风电、光伏预测出力和垃圾焚烧发电出力； 为 时段碳捕集电厂的CO2净排放量； 为碳捕集电厂单位等效发电出力产生的CO2的量； 为 时段碳捕集电厂等效出力。

5.根据权利要求1所述的一种计及电转气协同的虚拟电厂优化调度方法，其特征在于，所述引入聚合单元模型具体包括：引入热电联产机组和燃气锅炉模型以及储能装置模型；

其中，热电联产机组和燃气锅炉模型表达式如下：式中： 分别为 时段热电联产机组输出总功率、电功率、热功率；

分别为 时段热电联产机组、燃气锅炉消耗的天然气量；

分别为热电联产机组电、热效率和燃气锅炉效率； 为天然气的热值； 为 时段燃气锅炉输出热功率；

其中，储能装置模型表达式如下：

式中： 分别电储能和热储能在 时段末的蓄电量和储热量； 分别为电、热储能自身电、热能损耗率； 分别为电储能装置在 时段的充、放电功率；

分别为电、热储能的充、放效率；  、 分别为储热装置在 时段的充、放热功率。

6.根据权利要求1所述的一种计及电转气协同的虚拟电厂优化调度方法，其特征在于：所述针对虚拟电厂优化调度模型制定优化目标具体包括：以虚拟电厂运行净成本最小化作为优化目标，决策变量包括碳捕集电厂等效出力、垃圾焚烧电厂等效出力、热电联产机组出力、燃气锅炉出力、碳捕集电厂能耗、烟气处理能耗、电储能充放电功率、热储能充放热功率、中断负荷量和能量市场购电量，其目标函数为：式中：目标函数含9部分，分别为碳捕集电厂燃料成本 、碳交易市场收益 、垃圾焚烧电厂成本 、热电联产机组和燃气锅炉成本 、电转气成本 、碳封存成本 、系统运行维护成本 、中断负荷成本 和能量市场购电成本 ， 为调度总时长；

各部分具体表达式如下：

碳捕集电厂燃料费用表达式如下：

式中： 为燃料成本系数； 为碳捕集电厂的出力下限；

为 时段碳捕集电厂等效出力；

碳交易收益表达式如下：

式中： 为碳交易价格； 为 时段碳捕集电厂的碳排放配额； 为单位电量的碳排放基准额度； 为 时段碳捕集电厂净出力； 为 时段碳捕集电厂的CO2净排放量；

垃圾焚烧电厂运行运行成本表达式如下：

式中： 为垃圾焚烧电厂单位出力烟气排放强度； 为 时段垃圾焚烧发电出力；

热电联产机组和燃气锅炉成本表达式如下：

式中： 为天然气市场单位天然气固定价格； 为天然气购买量； 分别为 时段热电联产机组、燃气锅炉消耗的天然气量； 为 时段电转气生成的天然气量；

电转气成本表达式如下：

式中： 为购买CO2的固定价格;  为电转气运行成本系数； 为 时段电转气设备能耗； 为生成单位功率天然气时需要CO2的量； 为电转气设备电转气的转换效率； 为 时段捕集CO2量不够电转气设备使用时从外界购买的CO2量； 为 时段电转气设备的碳利用量；

碳封存成本表达式如下：

式中： 为封存单位CO2的固定价格； 为 时段封存的CO2量； 为 时段碳捕集电厂-电转气系统捕集的CO2量；

风电和光伏日常运行时的运行维护成本表达式如下：式中： 分别为风电和光伏的单位维护成本； 分别为 时段风电、光伏预测出力；

中断负荷成本表示式如下：

式中： 为中断等级数； 为第 级补偿价格； 为 时段第 级中断负荷功率；

电力市场购电成本表达式如下：

式中： 为 时段电网购电电价； 为 时段在电网的购电量。

7.根据权利要求1所述的一种计及电转气协同的虚拟电厂优化调度方法，其特征在于，所述针对虚拟电厂优化调度模型制定约束条件具体包括：各区域电功率和热功率平衡约束为：

式中： 为 时段碳捕集电厂净出力； 分别为 时段风电、光伏和垃圾焚烧电厂发电上网功率； 分别为电储能装置在 时段的充、放电功率； 为时段在电网的购电量； 分别为 时段的电、热负荷;  为 时段中断负荷总功率； 分别为 时段热电联产机组电功率、热功率； 为 时段燃气锅炉输出热功率;  分别为储热装置在 时段的充、放热功率；

碳捕集电厂约束为：

式中： 分别为碳捕集电厂等效出力上限、下限； 为 时段碳捕集电厂等效出力； 为 时段碳捕集电厂系统运行能耗上限； 为 时段碳捕集电厂系统的烟气分流比； 为 时段再生塔处理的CO2的量； 为碳捕集电厂单位等效发电出力产生的CO2的量； 为碳捕集电厂-电转气系统能耗； 为 时段碳捕集电厂提供的碳捕集能耗； 分别为 时段风电、光伏机组和垃圾焚烧电厂提供的碳捕集电厂能耗； 为碳捕集电厂处理单位CO2的运行能耗； 为碳捕集电厂出力爬坡速率约束；

为碳捕集电厂能耗爬坡速率约束；

热电联产机组电热出力及爬坡约束为：

式中： 分别为热电联产机组电出力上、下限和热出力上、下限； 分别为 时段热电联产机组输出总功率、电功率、热功率； 为热电联产机组出力爬坡速率约束；

燃气锅炉热出力及爬坡约束为：

式中： 分别为燃气锅炉出力上、下限； 为燃气锅炉出力爬坡速率约束； 为 时段燃气锅炉输出热功率；

电转气运行约束为：

式中： 为 时段电转气设备能耗； 为电转气设备最大运行功率；

电储能和热储能约束为：

式中： 分别为电储能装置在 时段的充、放电功率和储热装置在 时段的充、放热功率； 分别为充、放电上限功率和储、放热上限功率；布尔变量 分别表示 时段电储能是否充放电和热储能是否储放热，处于充放电状态和储放热状态置1，否则置0；

分别为储电容量和储热容量最大、最小值；

分别为储能电池和储热装置在一天的始、末值；

中断负荷约束为：

式中： 为 时段第 级中断负荷功率； 为第 级负荷中断系数； 为中断等级数； 分别为 时段的电负荷； 为 时段中断负荷总功率；

垃圾焚烧电厂约束为：

式中： 为调度总时长； 为垃圾焚烧电厂日总出力；  为 时段垃圾焚烧发电出力； 为垃圾焚烧电厂日总出力上限； 分别为每时刻垃圾焚烧发电出力最大和最小值； 为爬坡速率约束； 为烟气分流比，即垃圾焚烧电厂中流入反应塔烟气量与发电侧产生的烟气总量的比值； 、 分别为 时段光伏、风电、碳捕集电厂和垃圾焚烧电厂提供的烟气处理能耗； 为 时刻烟气处理能耗； 为 时刻烟气存储罐储气量； 为储气装置最大容量； 和 分别为流入和流出储气装置的烟气量； 为储气装置进出管道的最大流通流量。

8.根据权利要求1所述的一种计及电转气协同的虚拟电厂优化调度方法，其特征在于：在步骤3中，将复合微分进化算法与反余切函数特性相结合，提出反余切复合微分进化算法，对虚拟电厂优化调度模型进行求解，具体包括：复合微分进化算法过程包括：

式中： 表示第G代最优个体向量， 分别表示第G代的第个体向量，可随机选取且 ； 为变异因子； 为变异操作产生的中间个体向量；

设个体向量为 维，结合反余切函数特性构建如下关系：式中：  和 为种群中个体i和个体j， 为第 维的维间距； 为第 维经过反余切运算后得到的值； 为个体 维经过反余切运算后得到的值组成的向量；

结合复合微分进化算法过程构建如下基于反余切函数的优部群落变异机制：式中： 为 和 之间的各维维间距；

当优部种群中 和 的维间距 大于临界值 时， 接近于0，此时与复合微分进化算法变异机制一样；当维间距 时，变异差分项增大，且维间距越小, 的增长速率越快，从而变异差分相量 越大，个体变异程度加大。