1.一种基于建筑光伏微电网的能量管理方法，该方法包括如下步骤：
步骤一，利用当前日的建筑光伏发电功率记录数据和未来日的气象要素预报数据，建立建筑光伏发电功率预测模型为PPV(d+1)＝f(Ta(d+1),H(d+1),PPV(d))，由此预测得到未来日建筑光伏发电功率数据；其中PPV(d+1)是未来日的建筑光伏发电功率的逐时段预测数据，Ta(d+1)是气象台对未来日的环境温度的预报数据，H(d+1)是气象台对未来日的环境湿度的预报数据，PPV(d)是当前日的建筑光伏发电功率监测记录数据；
利用当前日的建筑负荷功率的记录数据和未来日气象要素的预报数据，建立建筑负荷需求预测模型PLOAD(d+1)＝f(Ta(d+1),H(d+1),PLOAD(d))，由此预测得到未来日的负荷功率需求数据；其中PLOAD(d+1)是提前一段时间对未来日的建筑负荷功率的逐时段预测数据，PLOAD(d)是对当前日建筑实际负荷功率的逐时段监测记录数据；
收集未来日对电动汽车的用车需求，根据车辆每次执行任务的起止时段和往返距离，并结合车辆上的电池容量、耗电参数、充放电特性，预测每辆电动汽车的电动汽车电池在未来日每次驶离建筑时的荷电状态及其返回建筑时的荷电状态；
步骤二，根据未来日建筑光伏发电功率预测数据、未来日建筑负荷功率需求预测数据以及未来日电动汽车驶离建筑时和返回建筑时的荷电状态预估数据，以建筑微电网整体运行成本最小为目标，对未来日接入建筑微电网的电动汽车的充放电功率进行调度。
2.根据权利要求1所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述建筑光伏发电预测模型的建立包括如下步骤：
步骤1，对历史数据中气象要素观测数据和同期的光伏发电功率记录数据在每时段Δt进行抽取，其中，气象要素数据包括每日每时段Δt的大气温度数据和大气湿度数据；
步骤2，利用反向传播神经网络建立光伏发电功率预测网络；所述预测网络的输入量包括Ta(d+1)、H(d+1)和PPV(d)，该预测网络的目标量为PPV(d+1)；
步骤3，对步骤1中抽取的历史数据进行归一化处理，再对该预测网络进行训练得到建筑光伏发电功率预测模型：
PPV(d+1)＝f(Ta(d+1),H(d+1),PPV(d)) (1)
步骤4，将当前日的光伏发电功率记录数据PPV(d)和气象服务部门提供的未来日逐时段环境温度预测数据及未来日逐时段湿度预测数据进行归一化处理后代入步骤3的预测模型中，再将该预测模型的输出结果进行反归一化处理，得到未来日的逐时段建筑光伏发电功率预测数据PPV(d+1)。
3.根据权利要求2所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述建筑光伏发电预测模型在训练过程中，采用每天平均绝对误差百分比DMAPE和均方根误差RMSE对光伏发电预测结果进行评估：
其中每天平均绝对误差百分比DMAPE评估模型的预测能力，均方根误差RMSE评估整个系统预测值的离散程度；式中， 是未来日总时段数为T时第t时段的光伏发电预测功率，Pt是未来日总时段数为T时第t时段的光伏发电实际功率，PPV,total是建筑内光伏发电系统的装机功率。
4.根据权利要求1所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述建筑负荷需求预测模型的建立包括如下步骤：
步骤1，提前预测建筑能量管理系统所辖建筑内所有用电设备的逐时段负荷功率需求；
步骤2，因其与每日时段的环境温度和环境湿度紧密相关，故建筑负荷需求预测模型为统计回归函数：
PLOAD(d+1)＝f(Ta(d+1),H(d+1),PLOAD(d)) (2)
其中，PLOAD(d+1)是提前一定时间对未来日的建筑负荷功率的逐时段预测数据，PLOAD(d)是对当前日建筑实际负荷功率的逐时段监测记录数据。
5.根据权利要求1所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述步骤二采用单目标优化方法对建筑内电动汽车充放电进行调度，其目标函数为式中，N是建筑内所有电动汽车的总数，Δt是每时段的时间间隔，T是每日时段总数；
C(PV,t)是建筑内所有光伏发电单元在第t时段的发电成本单价；C(GRID,t)是第t时段建筑与外部电网之间的成本或收益单价；C(EVj,t)是第j辆电动汽车在第t时段内的运行成本单价；P(PV,t)是建筑内所有光伏发电单元在第t时段的发电总功率；P(GRID,t)是第t时段建筑与外部电网之间的交换功率，当建筑从外部电网购电时，P(GRID,t)＞0，而建筑向外部电网售电时，P(GRID,t)＜0；P(EVj,t)是第j辆电动汽车在第t时段内充放电功率，并且当电动汽车充电机充电时P(EVj,t)＞0，而当电动汽车充电机放电时P(EVj,t)＜0。
6.根据权利要求5所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述单目标优化函数BC需满足下列约束条件：
(1)功率平衡约束：
式中，N是建筑内所有电动汽车的数量；P(LOAD,t)是第t时段建筑所有负荷的需求功率；A(EVj,t)是在所述步骤一中制订任务计划中第j辆电动汽车在第t时段与建筑电网的连接状态，若该车停靠建筑，则A(EVj,t)＝1，若该车已驶离建筑行驶在路上，则A(EVj,t)＝
0；
(2)建筑与外部电网交换功率约束：
-PGsell,max≤P(GRID,t)≤PGbuy,max (5)
|P(GRID,t+1)-P(GRID,t)|≤ΔPg (6)
式中，PGsell,max是允许建筑从电网购入的功率限值，PGbuy,max是允许建筑向电网卖出的功率限值；ΔPg是建筑与外部电网交换功率在相邻时段的变化限值；
(3)电动汽车充放电功率约束：
-PEV,max≤P(EVj,t)≤PEV,max (7)
式中，P(EVj,t)是第j辆电动汽车在第t时段的充放电功率；PEV,max是第j辆电动汽车充电或放电功率限值；
(4)电动汽车电池约束：
其中，
式中，SOC(EVj,t)是第j辆电动汽车电池在第t时段的荷电状态，Ej是第j辆电动汽车的电池容量，SOCj,max是第j辆电动汽车电池允许的荷电状态最高限值，SOCj,min是第j辆电动汽车电池允许的荷电状态最低限值，Mj是在所述步骤一中对第j辆电动汽车在未来日制订的执行任务总次数，Tdep,j(m)是第j辆电动汽车执行第m次任务时离开建筑时段，Tret,j(m)是第j辆电动汽车执行第m次任务时返回建筑时段，SOC(EVj,Tdep,j(m))是第j辆车执行第m次任务时离开建筑前电池所需要的最低荷电状态，而SOC(EVj,Tret,j(m))是该车返回建筑时对其电池预计的剩余荷电状态；对于任意第j辆车，设定每日的首个时段为其执行第0次任务的返回时段，即Tret,j(m-1)|m＝1＝Tret,j(0)＝1。
7.一种建筑光伏微电网系统，其特征在于，包括建筑光伏微电网能量管理系统、光伏阵列、光伏逆变器、若干辆电动汽车及与其配套的若干台EV充放电机、建筑负荷设备、配电控制柜、并离网切换开关；光伏阵列通过光伏逆变器接入配电控制柜；外部电网的电能通过变压器输入至配电控制柜；配电控制柜与建筑负荷设备连接；配电控制柜通过EV充放电机与若干电动汽车连接，给其充电或放电；电动汽车通过EV充放电机与建筑光伏微电网连接，用于向建筑内部供给电能或向外部电网输送电能；电动汽车上配备若干用于储能的电动汽车电池，该电动汽车电池与所述EV充放电机连接；
光伏逆变器将光伏发电信息传至建筑光伏微电网能量管理系统；配电控制柜将建筑负荷设备的用电信息传至建筑光伏微电网能量管理系统；EV充放电机与建筑光伏微电网能量管理系统连接，EV充放电机将电动汽车电池的状态信息传至该能量管理系统，而该能量管理系统则向EV充放电机发出控制指令，对电动车电池进行充电，或者将电动车电池多余的电能输送至建筑微电网内部负荷和/或经由变压器输出给外部电网。
8.根据权利要求7所述的建筑光伏微电网系统，其特征在于，所述建筑光伏微电网能量管理系统包括光伏发电预测模块、建筑负荷需求预测模块、电动汽车电池SOC预测模块、智能建筑调度优化模块和电网电价获取/预测模块；
光伏发电预测模块用于根据建筑光伏微电网中光伏发电历史数据和未来日气象预报数据建立光伏发电功率预测模型；
建筑负荷需求预测模块用于根据建筑负荷的历史数据和未来日气象预报数据建立建筑负荷需求预测模型；
电动汽车充放电预测模块用于收集未来日对电动汽车的用车需求，根据车辆每次执行任务的起止时段和往返距离，并结合车辆上的电池容量、耗电参数、充放电特性，预测每辆电动汽车在未来日每次驶离建筑时的荷电状态及其返回建筑时的荷电状态；
智能建筑调度优化模块用于根据光伏发电预测模块、建筑负荷需求预测模块、电动汽车充放电预测模块的输出结果，以建筑微电网整体运行能耗最小为目标，对未来日接入建筑微电网的电动汽车的充放电功率进行调度；
光伏逆变器将其发电信息送至光伏发电预测模块的输入端，光伏发电预测模块的输出端与智能建筑调度优化模块的输入端连接；配电控制柜将建筑内各用电设备的运行状态信息送至建筑负荷需求预测模块的输入端，建筑负荷需求预测模块的输出端与智能建筑调度优化模块的输入端连接；若干EV充放电机与若干电动汽车电池连接，EV充放电机将电动车电池的运行状态信息送至电动汽车电池SOC预测模块的输入端，电动汽车电池SOC预测模块的输出端与智能建筑调度优化模块的输入端。智能建筑调度优化模块将EV充放电控制指令传至EV充放电机，控制EV充放电机对电动汽车的充放电；智能建筑调度优化模块还将并网或离网的控制指令传至并离网切换开关，对光伏微电网与外部电网的并网与离网进行控制。
9.根据权利要求7所述的建筑光伏微电网系统，其特征在于，所述并离网切换开关是建筑光伏微电网与外部电网互联的唯一接口。
10.根据权利要求7所述的建筑光伏微电网系统，其特征在于，所述光伏逆变器采用并网型光伏逆变器。