1.一种多系统联合优化调度方法，其特征在于，包括：
获取钢铁企业煤气-蒸汽-电力系统相关数据，其中，所述相关数据包括能源系统网络拓扑结构及系统中各能源转换设备的特性参数；
确定所述煤气-蒸汽-电力系统中各能源转换设备的性能模型；
确定分介质能源管网模型；
设定整个优化调度周期所包含的时段数，获取能源优化调度计算所需的输入数据；
建立所述煤气-蒸汽-电力系统的联合优化调度模型，其中，所述优化调度模型包括目标函数和约束条件；
采用混沌粒子群算法对所述联合优化调度模型进行求解，以得到整个所述煤气-蒸汽-电力系统的煤气分配、蒸汽和电力生产及外购送电优化方案；
生成最终各能源转换设备的燃料分配、蒸汽和电力生产、各生产用户的能源分配和外购送电优化方案以及最优综合目标函数指标。
2.根据权利要求1所述的方法，其特征在于，确定所述煤气-蒸汽-电力系统中各能源转换设备的性能模型包括：
从分立信息系统的数据库服务器中获取建立所述能源转换设备性能模型所需的初始数据；
对所述初始数据进行预处理，结合设备设计工况图和热力试验数据，绘制所述能源转换设备的工况运行特性曲线；
根据所绘制的特性曲线的特点，采用基于数据的多参数非线性拟合处理技术，构建所述能源转换设备的性能模型。
3.根据权利要求1所述的方法，其特征在于，采用混沌粒子群算法对所述联合优化调度模型进行求解，以得到整个所述煤气-蒸汽-电力系统的煤气分配、蒸汽和电力生产及外购送电优化方案包括：
设置粒子群体规模、迭代次数、控制参数初值及优化变量范围；
初始化粒子种群；
构建适应度函数；
计算当前种群各粒子的适应度值，并确定各粒子的个体极值和整个粒子群的全局极值；
更新控制参数，其中，所述控制参数包括惯性权重和加速因子；
更新当前种群的每个粒子的速度和位置；
判断种群个体是否满足设备能力约束、生产用户能源需求约束及关口功率约束；
若种群个体满足设备能力约束、生产用户能源需求约束及关口功率约束，判断种群个体是否满足机组的爬坡速率约束；
若种群个体不满足爬坡速率约束，采用启发式方法进行机组爬坡约束的修复；
若种群个体满足爬坡速率约束，采用自适应变异机制进行种群变异；
更新个体极值和全局极值；
判断是否达到迭代停止条件，如满足，则最后一次迭代的全局极值中每一维的权值即为所求结果。
4.根据权利要求3所述的方法，其特征在于，采用启发式方法进行机组爬坡约束的修复包括：
初始化发电机组编号；
确定发电机在确定时段的有功出力上限和下限；
判读发电机在确定时段的有功出力是否满足发电机的容量和爬坡约束。
5.一种多系统联合优化调度装置，其特征在于，包括：
数据获取模块，用于获取钢铁企业煤气-蒸汽-电力系统相关数据，其中，所述相关数据包括能源系统网络拓扑结构及系统中各能源转换设备的特性参数；
性能模型确定模块，用于确定所述煤气-蒸汽-电力系统中各能源转换设备的性能模型；
管网模型确定模块，用于确定分介质能源管网模型；
时段数设定模块，用于设定整个优化调度周期所包含的时段数，获取能源优化调度计算所需的输入数据；
调度模型建立模块，用于建立所述煤气-蒸汽-电力系统的联合优化调度模型，其中，所述优化调度模型包括目标函数和约束条件；
模型求解模块，用于采用混沌粒子群算法对所述联合优化调度模型进行求解，以得到整个所述煤气-蒸汽-电力系统的煤气分配、蒸汽和电力生产及外购送电优化方案；
方案生成模块，用于生成最终各能源转换设备的燃料分配、蒸汽和电力生产、各生产用户的能源分配和外购送电优化方案以及最优综合目标函数指标。
6.根据权利要求5所述的装置，其特征在于，所述性能模型确定模块包括：
初始数据获取单元，用于从分立信息系统的数据库服务器中获取建立所述能源转换设备性能模型所需的初始数据；
曲线绘制单元，用于对所述初始数据进行预处理，结合设备设计工况图和热力试验数据，绘制所述能源转换设备的工况运行特性曲线；
模型构建单元，用于根据所绘制的特性曲线的特点，采用基于数据的多参数非线性拟合处理技术，构建所述能源转换设备的性能模型。
7.根据权利要求5所述的装置，其特征在于，所述模型求解模块包括：
参数设置单元，用于设置粒子群体规模、迭代次数、控制参数初值及优化变量范围；
种群初始化单元，用于初始化粒子种群；
函数构造单元，用于构建适应度函数；
适应度计算单元，用于计算当前种群各粒子的适应度值，并确定各粒子的个体极值和整个粒子群的全局极值；
参数更新单元，用于更新控制参数，其中，所述控制参数包括惯性权重和加速因子；
速度位置更新单元，用于更新当前种群的每个粒子的速度和位置；
第一约束判断单元，用于判断种群个体是否满足设备能力约束、生产用户能源需求约束及关口功率约束；
第二约束判断单元，用于当种群个体满足设备能力约束、生产用户能源需求约束及关口功率约束之时，判断种群个体是否满足机组的爬坡速率约束；
修复单元，用于当种群个体不满足爬坡速率约束之时，采用启发式方法进行机组爬坡约束的修复；
变异单元，用于当种群个体满足爬坡速率约束之时，采用自适应变异机制进行种群变异；
极值更新单元，用于更新个体极值和全局极值；
计算停止单元，用于判断是否达到迭代停止条件，如满足，则最后一次迭代的全局极值中每一维的权值即为所求结果。
8.根据权利要求7所述的装置，其特征在于，所述修复单元具体用于：
初始化发电机组编号；
确定发电机在确定时段的有功出力上限和下限；
判读发电机在确定时段的有功出力是否满足发电机的容量和爬坡约束。