1.一种电气化铁路牵引供电方案优化设计方法，其特征在于：以供电设施的数目(NTS、NSP、NAT、NKB)、位置(PTSi,PSPj,PATk,PKBt,其中i＝1,2,...NTS,j＝1,2,...NSP,k＝1,2,...NAT,t＝1,2,...NKB)供电设施和牵引变压器容量(STSn，n＝1,2,...NTS)作为优化变量，所述供电设施包括牵引变电所TS、自耦所AT(若采用自耦变压器供电方式)、分区所SP以及开闭所KB；根据设计性能和要求设置约束条件，包括但不限于：牵引网T最低工作电压Umin和最高工作电压Umax、选址参数限值A、线路平纵面参数限值B，确定优化目标函数；所述优化目标包括但不限于：全线最小供电容量Ssub、最小平均功耗Ploss、最少工程造价M；通过如下的步骤得到满足单目标最优或多目标满意优化的电气化铁路牵引供电系统设计方案：

1)读入牵引供电方案设计的优化变量及初始化赋值；

2)读入牵引供电系统性能要求、约束条件及迭代收敛条件；

3)将1)和2)的数据输入选定的优化目标函数；

4)智能优化算法自动迭代寻优；

5)满足收敛条件后输出优选结果。

2.根据权利要求1所述的一种电气化铁路牵引供电方案优化设计方法，其特征在于：所述智能优化算法可采用蚁群算法、粒子群算法、遗传算法；在约束条件限制域内对所有可能的牵引供电方案自动寻优。

3.根据权利要求1所述的一种电气化铁路牵引供电方案优化设计方法，其特征在于：采用自耦变压器AT供电方式的牵引供电系统优化设计时，包括如下的具体步骤：

1)第一步，输入电气化铁路平纵面参数，运行组织计划，电力机车特性参数，外部供电电源参数等牵引供电系统设计所需的基础资料；

2)第二步，根据实际要求，构建采用AT供电方式的牵引供电方案多目标优化设计模型，包括优化变量:主要供电设施的数目、位置和容量；优化目标函数:最小供电容量、最小损耗和最小工程费用:及约束条件:电力机车最低工作电压、供电设施选址要求；设置优化过程收敛条件—迭代精度要求；

3)第三步，以基于Pareto熵的多目标粒子群优化算法为例，将优化变量作为粒子群，初始化位置和速度，作为车-网耦合系统交互仿真的输入参数；

4)第四步，利用车-网耦合系统交互仿真，计算AT牵引供电系统潮流分布，若约束条件不满足则返回第三步，重新对粒子群初始化；若满足约束条件，则递进至第五步；

5)第五步，计算优化目标函数值，建立一定容量的外部档案，用来储存优化过程得到的Pareto熵；

6)第六步，利用前后两次迭代熵的变化；反映Pareto前沿重新分布的情况，推断种群的进化状态，如收敛状态、多样化状态和停滞状态；

7)第七步，判断优化过程是否满足收敛条件；若不满足第二步中设置的收敛条件，则返回第六步，继续进行迭代优化；若满足第二步中设置的收敛条件，则迭代过程结束，输出Pareto解(对应单目标优化)或解集(对应多目标优化)；

8)第八步，若为单目标优化设计，则Pareto解对应的设计方案记为最优方案；若为多目标优化设计，可以应用模糊隶属度函数来评价每个Pareto解中各个目标函数对应的满意度，将满意度值最大的解对应的设计方案记为最优方案；

9)第九步，输出电气化铁路牵引供电方案，优化设计过程结束。