1.一种多目标水电‑风电优化调度模型方法，其特征是，包括以下步骤：步骤1、构建风力不确定性与径流不确定性初始场景，获取一个调度周期内的不同概率场景的风电场风速、水库上游来水量；

步骤2、以系统节点缺电量、水库下泄流量为目标，水库库容、电网负荷为约束，建立考虑不同概率风电出力及上游来水量的不确定性场景的多目标水电‑风电优化调度模型；

步骤3、采用场景缩减准则对初始生成的不同概率的风电场风速及水库上游来水场景进行缩减；

步骤4、采用基于不确定性Pareto排序的多目标算法对步骤3的模型求解，得到不确定性Pareto解集及水库运行发电、泄流的调度方案。

2.如权利要求1所述的多目标水电‑风电优化调度模型方法，其特征是，步骤1所述构建风力不确定性与径流不确定性初始场景，包括采用蒙特卡洛模拟方法对服从韦伯分布的不确定性风速及服从正态分布的水库上游不确定性来水进行采样，生成t个时间段的序列，分别是上游来水{Q1，Q2，...，Qt}与风速{W1，W2，...，Wt}，t为天；生成M个初始场景，M取值为[1000，10000]。

3.如权利要求1所述的多目标水电‑风电优化调度模型方法，其特征是，步骤2的实现，包括以缺电量最小与防洪调度风险最小为目标，建立多目标优化模型，具体步骤如下：步骤2.1、建立缺电量最小目标函数，水电与风电联合发电满足发电计划要求，其目标函数如下：

其中，Li为i时段的用电负荷，PHi为i时段的水电出力，PWi为i时段的用风电出力；

步骤2.1.1、PHi的计算方法如下：PHi＝K·Qi·Hi

其中，K为水电站出力系数；Qi为i时刻的平均发电流量；Hi为i时段的平均水头；

步骤2.1.2，PWi的计算方法如下：其中， 为风机的额定输出功率；vCI为切入风速；vCO为切出风速；vR为额定风速，vi为i时段的平均风速；

步骤2.2、建立防洪调度风险最小目标函数，下泄流量最小符合防洪调度要求，其目标函数如下：

建立多目标优化模型：

4.如权利要求1所述的多目标水电‑风电优化调度模型方法，其特征是，步骤3的实现包括：建立基于多目标关联规则的场景缩减准则，场景之间的关联相异测度为CR(Si，Sj)，场景之间的距离测度为下式，并采用k‑means算法进行场景聚类进而缩减场景：基于多目标关联规则的场景缩减方法表示为：具体步骤如下：

步骤3.1、计算场景向量之间的欧式距离；

步骤3.2、采用k‑means算法进行场景聚类进而缩减场景；

步骤3.2.1、随机选取K个场景，计算选取的场景与其他场景之间的欧式距离及距离测度，并将其他场景按照距离的远近划归到K个分类中；

步骤3.2.2、对每个聚类的中心进行重新划分，以聚类中所有向量的均值作为中心，然后对群体中所有个体进行重新划分；

步骤3.2.3，计算新的聚类中心，判断聚类中心是否发生变化，如变化则跳转步骤

3.2.2，如无变化则聚类停止，输出距离每个聚类中心最近的场景向量，形成缩减场景集，并计算每个聚类占所有场景的比例。

5.如权利要求1所述的多目标水电‑风电优化调度模型方法，其特征是，步骤4的实现包括：采用随机占优方法比较随机情况下目标之间的支配关系；按照不同的场景，结合水库调度的约束条件，及步骤2中多目标优化调度模型，采用分布估计算法求解，得到预测场景集下考虑场景概率的多目标Pareto最优解集；依次求得所有概率场景的多目标解集，分析不同概率下解集中不同解之间的占优关系，建立不确定情况下的Pareto最优解集；具体步骤如下：

步骤4.1、以缩减后场景集中的随机一个场景j，初始化水库流量参数X＝[x1，i，x2，i，x3，i，x4，i..，xn，i]，xn，i为第i个个体在第n个时段的流量，采用在定义域范围内随机生成的方式进行流量变量的初始化，i取值为[100，500]之间，定义域为水库最大下泄流量，初始化进化代数计数器Flag为0，设置最大进化代数Tmax，范围为[200，1000]，初始化Nsetj、Cset为空集；

步骤4.2、计算每个个体在f1目标和f2目标上的函数值；

步骤4.3、根据Pareto最优方法，如果当前是第一代进化则分析当前群体，找出所有Pareto最优解；如不是第一代进化则分析当前群体和上一代Pareto最优解集中的所有个体，找出合并集合的Pareto最优解集Nsetj(M)，M取值为200；

步骤4.4、对当前群体进行采用多目标分布估计算法进行进化，Nset(M)中随机选取i/4个个体，从当前的进化群体中选择占优的个体i/4个个体，组成分布参数计算群体Cset(i/

2)，计算群体中个体在各个时段的均值Qmeani与方差Qsdti；

步骤4.5、利用均值和方差，采用正态分布采样方法N(Qmeani，Qsdti)生成i个新个体，Flag＝Flag+1，并判断Flag是否大等于Tmax，如果相等则计算结束，输出Pareto最优解集Nsetj，如果小于Tmax则跳转到步骤4.2；

步骤4.6、判断所有缩减后的场景是否计算完毕；若是，则输出所有的Pareto最优解集Nsetj，若否，则跳转至步骤4.1。