1.考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法，其特征在于，包括以下步骤：步骤1：获取牵引变电所负荷过程数据和光伏出力数据的预测值以及波动区间，构建牵引负荷和光伏出力的不确定集；

步骤2：根据电费参数和步骤1得到的牵引变电所负荷过程数据和光伏出力数据的区间，建立鲁棒优化模型的目标函数；

步骤3：根据混合储能系统和光伏系统的功率容量参数、三相电压不平衡度国家标准限值，基于步骤1得到的牵引变电所负荷过程数据和光伏出力数据区间，建立鲁棒优化模型的约束条件，并将鲁棒优化模型的约束条件线性化；

步骤4：根据步骤2得到的目标函数和步骤3得到的约束条件，建立基于双阶段鲁棒优化模型的牵引供电系统鲁棒能量管理方法；

步骤5：利用列与约束生成算法求解步骤4得到的模型，得到最恶劣场景下混合储能装置最优充放电功率，光伏最优并网功率、潮流控制器中背靠背变流器最优潮流功率，即完成牵引供电系统鲁棒能量管理优化。

2.根据权利要求1所述的考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法，其特征在于，所述步骤1中的光伏出力与负荷不确定集为：式中：P、A和R分别为光伏出力、有功负荷以及无功负荷的不确定集，pt、at和rt为光伏出力、有功负荷以及无功负荷的不确定变量，Δpt、Δat和Δrt分别表示预测值 和rtf的偏差值，参数Γp、Γa和Γr表示不确定裕度，即不确定变量偏离预测值的总相对偏差，其取值范围为0到一天内总时间段NT之间。

3.根据权利要求1所述的考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法，其特征在于，所述步骤2中的目标函数为：式中：f为目标函数，表示牵引变电所日运行成本，t为时间段，Ptgrid,buy为牵引变电所从电网购得的电能功率，Ptgrid,fed牵引变电所反馈回电网的电能功率，PtPV为光伏出力，Ptb,dis为电池放电功率，Ptb,ch为电池充电功率，Ptu,dis为超级电容放电功率，Ptu,ch为超级电容充电dem功率，Pt 为需量功率， 为光伏运行维护成本价格， 为电池运行维护成本价格， 为超dem级电容运行维护成本价格，c 需量电费价格， 为牵引变电所购电价格， 为反馈回电网电能的征收费用价格，Nday为每月运行天数， 和 均为二进制变量；

其中：

4.根据权利要求1所述的考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法，其特征在于，所述步骤3中约束条件如下：功率平衡约束条件：

Ptgrid,buy-Ptgrid,fed＝PtT+Ptα  (6)Ptα+Ptb,dis+Ptu,dis+PtPV＝Ptβ+Ptb,ch+Ptu,ch  (7)PtT+Ptβ＝at  (8)

式中：PtT为牵引变压器有功功率，Ptα为背靠背变流器α相有功功率，Ptβ为背靠背变流器β相有功功率， 为背靠背变流器β相无功功率，PtPV为光伏出力大小； 为牵引变电所与电网交互功率的最大限值， 为表示牵引变电所与电网交互功率方向的二进制变量，表示交互功率由电网流向牵引变电所， 表示交互功率由牵引变电所反馈至电网；

混合储能系统约束条件：

式中：εb为电池的自放电率，εb为超级电容的自放电率，ηb,dis为电池的放电效率，ηb,ch为电池的充电效率，ηu,dis为超级电容的放电效率，ηu,ch为超级电容的充电效率，Δt为单位时间段， 为电池在t+1时间段储存的电能， 为电池在t时间段储存的电能； 为超级电容在t+1时间段储存的电能， 为超级电容在t时间段储存的电能； 为电池额定功率，为超级电容额定功率，SOCb为电池最小荷电状态， 为电池最大荷电状态， 为电池额定容量， 为超级电容额定容量， 为t-1时段电池储存的电能， 为t-1时段超级u电容储存的电能，SOC为超级电容最小荷电状态， 为超级电容最大荷电状态； 为每日初始时段电池储存的电能， 为每日最后时段电池储存的电能， 为每天初始荷电状态， 为每日初始时段超级电容储存的电能， 为每日最后时段超级电容储存的电能， 为超级电容每天初始荷电状态； 和 均为二进制变量；

光伏发电约束：

0≤PtPV≤pt  (19)

式中：pt为光伏出力不确定变量，即日内光伏出力上限值；

背靠背变流器约束：

式中： 为背靠背变流器α相的容量， 为背靠背变流器β相的容量；

三相电压不平衡度约束：

式中：εU为牵引变电所电网侧三相电压不平衡度，US为电网侧线电压，Scap为电网侧线短路容量， 为国标中三相电压不平衡度上限值， 为电网侧负序电流，UT为牵引变压器出α口处电压，U为背靠背变流器α相出口处电压，N1为单相牵引变压器变比，N2为高压匹配变压器变比，a为复数算子ej120°， 为单相牵引变压器的电压电流相角差， 为背靠背变流器α相的电压电流相角差，IT为牵引变压器电流，Iα为背靠背变流器α相的电流。

5.根据权利要求1所述的考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法，其特征在于，所述步骤3中约束条件线性化方法如下：公式(5)中的max函数线性化后为下式：

max(Ptdem)＝Pdem,max  (25)式中：Pdem,max为表示一天中最大需量值的辅助变量；

公式(21)线性化后为下式：

式中：Np为PQ半圆被等分的扇形数量，满足Q≥0；Δθ为扇形夹角，(Pk,Qk)为扇形与PQ半圆的分割点坐标；

公式(24)线性化后如下：

式中： 和 均为辅助变量， 为二进制变量。

6.根据权利要求1所述的考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法，其特征在于，所述步骤4中建立的牵引供电系统鲁棒能量管理的双阶段鲁棒优化模型为：式中：x表示第一阶段的二进制决策变量向量， y表示第二阶段连续决策变量向量，

c、B、d、D、e、E、F、f、G、H和I均为参数矩阵或参数向量。

7.根据权利要求1所述的考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法，其特征在于，所述步骤5中通过列与约束生成算法形成该牵引供电系统鲁棒能量管理模型的主模型与子模型，将主模型与子模型循环迭代求解，得到最恶劣场景下混合储能装置最优充放电功率，光伏最优并网功率、潮流控制器中背靠背变流器最优潮流功率，即完成牵引供电系统鲁棒能量管理优化；

其中，主模型表达式为：

s.t.x∈{0,1}  (37)

式中：k为迭代求解次数，yl为第l次循环时向主模型添加的决策变量， 为求解子模型*所得到的最恶劣光伏出力， 为求解子模型所得到的最恶劣有功负荷场景，rl表示求解子模型所得到的最恶劣无功负荷场景；

子模型表达式为：

s.t.By≤d,(γ1)  (46)

Dy＝e,(γ2)  (47)

Fy≤f-Ex*,(γ3)  (48)

Gy≤p,(γ4)  (49)

Hy＝a,(γ5)  (50)

Iy＝r,(γ6)  (51)

式中：x*为主模型最优解，{γ1,γ2,γ3,γ4,γ5,γ6}为约束的对偶变量；

子模型等价表示方法如下：

子模型中最恶劣场景p*、a*和r*为不确定集P、A和R中的极点值，因此式(1)-(3)等效于：式中：gt、mt、 和 均为二进制变量；

基于强对偶理论，子模型(45)-(51)等效于：-BTγ1+DTγ2-FTγ3-GTγ4+HTγ5+ITγ6＝cT  (56)

1 3 4 2 5 6

γ≥0,γ≥0,γ≥0,γ ,γ ,γ为自由变量  (57)式中：λ、μ、ω1和ω2均为辅助变量，