1.基于协同进化的光伏电站与电动汽车充电网络规划方法，其特征在于，包括如下步骤：S10给定规划边界条件，所述规划边界条件包括：配电系统拓扑参数与规划典型日内的负荷，规划典型日内的充电负荷与光伏出力概率场景集，充电站候选地址总数，充电站建设总数与总建设容量，充电站建设类型与对应的建设容量，光伏电站候选地址总数，光伏电站建设总数与总建设容量，光伏电站建设类型与对应的建设容量，节点电压最大允许偏移百分数，节点电压越限与潮流越限置信度；

S20使用所述规划边界条件建立光伏电站与电动汽车充电网络随机协同规划模型；以及

所述步骤S20包括：

光伏电站与电动汽车充电网络随机协同规划模型的优化目标为减小配电系统规划典型日内的网损电量，如公式(1)所示，其中，Floss为配电系统规划典型日内的网损电量期望；t为潮流分析时段索引，Tf为典型日内的潮流分析时段数；l为配电线路索引；Ωbr为配电线路索引集合；ΔPloss,l,t为配电线路l在潮流分析时段t的损耗功率，为随机变量；E(·)为对随机变量求期望的运算符；

所述S20还包括确定约束以及机会约束，所述确定约束包括分别通过公式(2)～(5)获取的表示充电站建设总数机会约束、表示光伏电站建设总数机会约束、表示充电站总建设容量的机会约束以及表示光伏电站总建设容量的机会约束，所述机会约束包括分别通过公式(6)～(7)获得的表示节点电压偏移机会约束以及表示线路潮流越限机会约束，其中，Mch为充电站建设总数；Nch为充电站候选地址总数；i为候选地址索引；xi是表征是否在候选地址i建设充电站的0‑1变量，为光伏电站与电动汽车充电网络随机协同规划模型中的0‑1优化变量，取“1”表示在候选地址i建设充电站，取“0”表示不在候选地址i建设充电站，i＝1,2,3,···,Nch；

其中，Mpv为光伏电站建设总数；Npv为光伏电站候选地址总数；j为候选地址索引；yj是表征是否在候选地址j建设充电站的0‑1变量，为光伏电站与电动汽车充电网络随机协同规划模型中的0‑1优化变量，取“1”表示在候选地址j建设光伏电站，取“0”表示不在候选地址j建设光伏电站，j＝1,2,3,···,Npv；

其中，zi为候选地址i的充电站建设容量，将待建电动汽车充电站分为Qev类；Cch为充电站总建设容量；

其中，Wj为候选地址j的光伏电站建设容量，对光伏电站来说，待建光伏电站分为Qpv类；

Cpv为光伏电站总建设容量；

其中，Pr{·}表示括号中随机事件发生的概率；k是配电节点索引；Ωbus为配电节点索引集合；Uk为节点k的电压，为随机变量，概率分布特性由概率潮流分析结果给出；UN为配电系统额定电压；α％为节点最大电压允许偏移百分数；β1为电压越限置信度；

Pr{Il>Il,max}≤β2 l∈Ωbr    (7)

其中，Il为配电线路l中的负荷电流，为随机变量，概率分布特性由概率潮流分析结果给出；Il,max为配电线路l的最大允许电流；β2为潮流越限置信度；

S30设计分别用于表示光伏电站与电动汽车充电网络建设方案的染色体编码策略与对应的交叉、变异操作算子，采用协同进化算法求解光伏电站与电动汽车充电网络随机协同规划模型，给出光伏电站与电动汽车充电网络最优规划方案；

所述步骤S30包括如下步骤：

S301设定遗传算法参数，所述遗传算法参数包括对光伏电站建设方案进行优化的种群规模Npop1、对电动汽车充电站建设方案进行优化的种群规模Npop2、交叉率Pc、变异率Pm以及协同进化的最大进化代数Gmax；

S302初始化种群Ψev中的染色体，采用整数编码方案对种群Ψev中的染色体进行编码，其中，Ψev为用于充电网络建设方案优化的种群；

S303初始化种群Ψpv中的染色体，采用整数编码方案对种群Ψpv中的染色体进行编码，其中，Ψpv用于光伏电站建设方案优化的种群；

S304从种群Ψev与Ψpv中各随机挑选一条染色体，构建初始生态系统；

S305进化代数索引g初始化为0，即令g＝0；

S306令g＝g+1，开始进行第g代进化，种群Ψev中的染色体索引m与种群Ψpv中的染色体索引n均初始化为1，即令m＝1，n＝1；

S307对种群Ψev中的第m条染色体进行解码，确定Mch个电动汽车充电站的建设位置，建设容量与总建设容量Ct‑ev，对生态系统中表示光伏电站建设方案的染色体进行解码，确定Mev个光伏电站的建设位置，建设容量与总建设容量Ct‑pv；采用场景概率法进行配电系统概率潮流计算，确定规划典型日内的网损电量期望Floss，各节点电压幅值与各线路潮流的概率分布特性，按公式(8)～(12)计算种群Ψev中的第m条染色体的适应度；

Vfit‑ev,m＝Fmax‑Floss‑η1×Vp1‑η2×Vp2‑η3×Vp3‑η4×Vp4    (8)Vp1＝|Cch‑Ct‑ev|    (9)

Vp2＝|Cpv‑Ct‑pv|    (10)

其中，Fmax为预设正数，用以确保染色体适应度非负，算子 表示取

中较大的数，采用罚函数法分别处理公式(4)～(7)给出的约束，η1、η2、η3以及η4为罚系数；

Vp1、Vp2、Vp3以及Vp4分别表示公式(4)～(7)给出约束的违背程度；

S308判断是否计算完种群Ψev中所有染色体的适应度，即判断染色体索引m是否等于种群规模Npop2，若m

S309从种群Ψev中挑选最优秀的染色体，替换生态系统中表示充电网络建设方案的染色体，更新生态系统；

S310对种群Ψpv中的第n条染色体进行解码，确定Mev个光伏电站的建设位置，建设容量与总建设容量Ct‑pv，对生态系统中表示充电网络建设方案的染色体进行解码，确定Mch个电动汽车充电站的建设位置，建设容量与总建设容量Ct‑ev；在此基础上，采用场景概率法进行配电系统概率潮流计算，确定规划典型日内的网损电量期望Floss，各节点电压幅值与各线路潮流的概率分布特性，并按公式(13)计算种群Ψpv中的第n条染色体的适应度Vfit‑pv,n，Vfit‑pv,n＝Fmax‑Floss‑η1×Vp1‑η2×Vp2‑η3×Vp3‑η4×Vp4    (13)S311判断是否计算完种群Ψpv中所有染色体的适应度，即判断染色体索引n是否等于种群规模Npop1，若n

S312以适应度为依据，从种群Ψpv中挑选最优秀的染色体，替换生态系统中表示光伏电站建设方案的染色体，更新生态系统；

S313判断是否到达最大进化代数，若g＝Gmax，则继续执行步骤S314；否则，以适应度为依据，分别对种群Ψev与Ψpv进行复制、交叉与变异操作，更新这两个种群，并跳转至步骤S306；

S314对生态系统中分别表示电动汽车充电网络建设方案与光伏电站建设方案的两条染色体进行解码，作为光伏电站与电动汽车充电网络随机协同规划模型的最优解输出，结束算法流程。

2.根据权利要求1所述的基于协同进化的光伏电站与电动汽车充电网络规划方法，其特征在于，对种群Ψev来说，为确保交叉后的染色体满足公式(2)给出的等式约束，按如下步骤进行交叉操作：S41从种群Ψev中随机选取两条染色体作为待交叉染色体；

S42反复随机生成待选交叉位Ncan1，其中，1

3.根据权利要求1所述的基于协同进化的光伏电站与电动汽车充电网络规划方法，其特征在于，对种群Ψpv来说，为确保交叉后的染色体满足公式(3)给出的等式约束，按如下步骤进行交叉操作：S51从种群Ψpv中随机选取两条染色体作为待交叉染色体；

S52反复随机生成待选交叉位Ncan2，其中，1

4.根据权利要求1所述的基于协同进化的光伏电站与电动汽车充电网络规划方法，其特征在于，种群Ψev变异操作算子包括如下步骤：S61从种群Ψev中随机选取一条染色体作为待变异染色体；

S62随机生成两个待变异码位Nmu1与Nmu2，其中，1

5.根据权利要求1所述的基于协同进化的光伏电站与电动汽车充电网络规划方法，其特征在于，种群Ψpv变异操作算子包括如下步骤：S71从种群Ψpv中随机选取一条染色体作为待变异染色体；

S72随机生成两个待变异码位Nmu3与Nmu4，其中1