1.基于机会约束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、配电系统负荷、充电站日充电负荷概率场景集、光伏电站日发电出力概率场景集、充电站候选地址总数、充电站建设总数与总容量、待建充电站类型与容量、光伏电站候选地址总数、光伏电站建设总数与总容量、待建光伏电站类型与容量、节点电压最大允许偏移百分数以及节点电压越限与线路潮流越限置信度；

S20使用所述规划边界条件建立基于机会约束的光伏电站与电动汽车充电网络联合随机规划模型；

S30根据所述光伏电站与电动汽车充电网络联合随机规划模型的特征设计染色体编码方案与交叉、变异操作算子，采用遗传算法求解光伏电站与电动汽车充电网络联合随机规划模型，给出光伏电站与电动汽车充电网络最优规划方案。

2.根据权利要求1所述的基于机会约束的光伏电站与电动汽车充电网络规划方法，其特征在于，所述步骤S20包括：光伏电站与电动汽车充电网络联合随机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；

所述机会约束包括分别通过公式(2)～(7)获取的表示充电站建设总数的机会约束、表示光伏电站建设总数的机会约束、表示充电站总建设容量的机会约束、表示光伏电站总建设容量的机会约束、表示节点电压偏移的机会约束以及表示线路潮流越限的机会约束，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是光伏电站与电动汽车充电网络联合随机规划模型中的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是光伏电站与电动汽车充电网络联合随机规划模型中的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，对电动汽车充电网络来说，待建电动汽车充电站分为Qev类，zi是光伏电站与电动汽车充电网络联合随机规划模型中的离散优化变量；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，wj是光伏电站与电动汽车充电网络联合随机规划模型中的离散优化变量；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。

3.根据权利要求2所述的基于机会约束的光伏电站与电动汽车充电网络规划方法，其特征在于，所述步骤S30包括如下步骤：S31设定遗传算法参数，所述遗传算法参数包括种群规模Npop、交叉率Pc、变异率Pm以及最大进化代数Gmax；

S32随机生成由Npop条染色体组成的初始种群，根据光伏电站与电动汽车充电网络联合随机规划模型的特征，采用整数编码方案对优化问题进行编码；

S33进化代数索引g初始化为0，即令g＝0；

S34令g＝g+1，开始进行第g代进化，染色体索引n初始化为1，即令n＝1；

S35对当前种群中的第n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，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，并按公式(8)～(12)计算第n条染色体的适应度Vfit,n：Vfit,n＝Fmax-Floss-η1×Vp1-η2×Vp2-η3×Vp3-η4×Vp4               (8)Vp1＝|Cch-Ct-ev|                           (9)Vp2＝|Cpv-Ct-pv|                          (10)其中，Fmax为事先给定的比较大的正数，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；

S36判断是否计算完当前种群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Npop，若n

S37判断是否到达最大进化代数，即判断进化代数索引g是否等于最大进化代数Gmax，若g＝Gmax，则继续执行步骤S38；否则，以适应度为依据，对当前染色体种群进行复制、交叉与变异操作，更新染色体种群，并跳转至步骤S34；

S38将当前种群最优秀染色体对应的光伏电站与充电网络建设方案作为光伏电站与电动汽车充电网络联合随机规划模型的最优解输出，结束算法流程。

4.根据权利要求3所述的基于机会约束的光伏电站与电动汽车充电网络规划方法，其特征在于，所述交叉操作包括如下步骤：S41从当前种群中随机选取两条染色体作为待交叉染色体；

S42以交叉概率Pc交换两条染色体第Nch个码位后的染色体码串，完成第一次交叉操作；

S43随机生成可行交叉位Ncr1，以交叉概率Pc交换两条染色体中第Ncr1+1至Nch个码位，完成第二次交叉操作；

S44随机生成可行交叉位Ncr2，以交叉概率Pc交换两条染色体中第Ncr2个码位后的码串，完成第三次交叉操作。

5.根据权利要求3所述的基于机会约束的光伏电站与电动汽车充电网络规划方法，其特征在于，所述变异操作算子包括如下步骤：S51从当前种群中随机选取一条染色体作为待变异染色体；

S52随机生成两个待变异码位Nmu1与Nmu2，确保两个待变异码位的取值一个为“0”，一个为非“0”整数；

S53以变异概率Pm同时对待变异位Nmu1与Nmu2进行变异操作，即取值为“0”的待变异位变异为不大于Qev的非“0”随机整数，取值非“0”的待变异位变异为“0”，完成第一次变异操作；

S54随机生成两个待变异码位Nmu3与Nmu4，确保两个待变异码位的取值一个为“0”，一个为非“0”整数；

S55以变异概率Pm同时对待变异位Nmu3与Nmu4进行第二次变异操作，即取值为“0”的待变异位变异为不大于Qpv的非“0”随机整数，取值非“0”的待变异位变异为“0”，完成第二次变异操作。