1.一种电‑交通耦合网络动态平衡运行求解方法，其特征在于，所述方法的步骤如下：步骤1，建立动态交通最优分布模型；

所述模型为动态交通用户最优模型，即在交通路网的任一时刻，每一组从起始点到目的地(Origin‑Destination pair,简称OD对)之间被选择的路径的瞬时阻抗相等且等于最小的瞬时路经阻抗，而未被选择的路径上的阻抗大于或等于最小的瞬时路经阻抗；

1‑1阻抗的定义

(1)阻抗：阻抗是时间的函数；

(2)瞬时阻抗：在t时刻车辆通过道路所需要的时间，记为ca(t)；

(3)实际阻抗：t时刻进入道路的车辆在该道路上行驶实际花费的时间，记为τa(t)；

1‑2交通网的约束条件

(1)基本约束

假设初始时刻网络上的交通流量为零：式中， 为初始时刻道路a上的流量；

(2)非负约束

式中， 为t时刻进入道路a要到终点s去的流量，为状态变量； 为t时刻进入道路a要到终点s去的流入率，为决策变量； 为t时刻进入道路a要到终点s去的流出率，为决策变量；

(3)节点流量守恒约束

在任一节点上，流入该节点的流量和流出该节点的流量相等，每个节点都有新的流量产生，可以看作是流入该节点的流量，流量守恒等式为:式中，Al为进入节点l的流量；Bl为流出节点l的流量； 为t时刻在节点l上产生要到终点s去的流量速率，为已知量；

(4)流量传播约束

因为动态交通分配网中车辆的行为是随时间变化的，因此要保证流量进入和离开路段以及停留在路段上的行车时间和与阻抗一致，符合这种状态的车辆行为称为流量传播约束：

式中，τa(t)为车辆在t时刻进入道路a的实际阻抗；

(5)道路上的流量约束

1‑3动态用户最优模型目标函数假设道路的瞬时阻抗函数ca(t)包含两个时间，行驶时间和等待延误时间；ca(t)表达式：

ca(t)＝g1a[xa(t),ua(t)]+g2a[xa(t),va(t)]    (6)动态用户最优模型以用户出行成本最小为的目的目标函数为：式中，μ为用户的单位时间价值，λ为边际电价(LMP)，EB为电动汽车充电功率；

步骤2，建立实时配电网最优潮流模型；

步骤3，建立动态电‑交通耦合系统模型；

步骤4，利用动态响应方法分析耦合网络，分别采用蚁群算法和非线性原对偶内点算法确定交通网的最优流量分配和配电网的最优边际电价。

2.根据权利要求1所述的一种电‑交通耦合网络动态平衡运行求解方法，其特征在于，步骤2中，建立实时配电网最优潮流模型，具体过程如下：配电网为辐射状网络，其响应由于电动汽车路径选择不同而带来的网络负荷变化，通过求解最优潮流问题实时调整电价；

2‑1配电网的约束条件

(1)功率平衡约束

式中，B为网络中除平衡节点外的所有节点， 为节点i，j之间线路l上传输的有功功率(无功功率)， 为节点j处发电机出力，π(j)为与母线j相连子母线的集合，为子母线jk上传输的有功功率(无功功率)， 为节点j处负荷消耗；其中为基本负荷， 为电动汽车充电负荷；边际电价λ是式(8)的对偶变量；

(2)正向压降方程

式中，Ui(Uj)为节点i(j)处电压幅值；

(3)每条配电线上注入功率流式中,L为网络中所有配电线路集合；

(4)运行界限约束

2‑2实时配电网最优潮流目标函数基于电动汽车负荷需求响应的配电网最优潮流目标函数为：式中，ai,bi为成本系数，ρ为配电网从电力市场购电的电价， 为与平衡节点相连线路上的有功功率；因此目标函数中第一部分表示配电网自身发电成本，第二部分表示配电网购电成本。

3.根据权利要求1所述的一种电‑交通耦合网络动态平衡运行求解方法，其特征在于，步骤3中，建立动态电‑交通耦合系统模型，动态电‑交通耦合系统模型目标函数为：式中，J为交通系统中电动汽车用户的出行成本，F为配电网的运行成本。

4.根据权利要求1所述的一种电‑交通耦合网络动态平衡运行求解方法，其特征在于，步骤4中，利用动态响应方法分析耦合网络，具体过程如下：

4‑1采用蚁群算法求解动态最优用户分配模型蚁群算法是将总的电动汽车用人工蚂蚁来模拟，道路的阻抗越大，则后来蚂蚁选择这条路的概率就越小；蚂蚁转移一个节点，就会在走过的道路上留下信息，从而对这条道路上的信息素量进行局部更新，当蚂蚁到达终点后，会对走过的路径进行全局更新；如此循环，直至所有的电动汽车出行需求全都最优的分配到路网中；

对式(7)的连续模型进行离散化处理，将[0,T]时段分成K+1个小时段，离散化后的模型为：

(4‑1‑1)初始化

初始化路段长度，算法参数；设置迭代次数kt＝1，确定最大迭代次数(4‑1‑2)确定电动汽车的出行需求(OD对)，将蚂蚁分配在路网的起点上；

(4‑1‑3)计算每条道路的初始阻抗，对所有蚂蚁进行循环操作，根据阻抗信息选择下一节点，确定蚂蚁选择的下一条道路；

(4‑1‑4)根据式(17)计算蚂蚁在每条路径上的信息素增量，根据式(18)更新每条路径的信息素量；

(4‑1‑5)若所有蚂蚁到达终点，则进入4‑1‑6，否则返回4‑1‑3；

(4‑1‑6)所有蚂蚁搜索结束后，根据式(19)、(20)进行全局信息素更新；

(4‑1‑7)当所有OD需求分配完成，先根据式(21)计算k时刻个道路上的阻抗，然后根据式(22)计算道路上的流出量 和流入量 最后根据式(23)计算该时段道路上的最优流量：

xa(k+1)＝xa(k)+ua(k)‑va(k)    (23)

4‑2采用非线性原对偶内点算法求解配电网最优潮流模型同样对式(14)的连续模型进行离散化处理，将[0,T]时段分成K+1个小时段，离散化后的模型为：

(4‑2‑1)初始化

d d0 d d0 dc

设置迭代次数kp＝1，确定最大迭代次数 初始需求p (0)＝p ，p (1)＝p +p ；

(4‑2‑2)计算补偿间隙和障碍参数，判断是否收敛，若收敛，则结束计算，否则，转到下一步；其中定义补偿间隙 当补偿间隙趋于零的时候，就是趋于最优解的时候；

(4‑2‑3)计算各雅克比矩阵、海森矩阵，计算扰动KKT系统残差；

(4‑2‑4)求解牛顿系统得到第k次迭代的修正量，即牛顿方向；

(4‑2‑5)计算迭代步长，更新原变量和对偶变量；

(4‑2‑6)判断是否达到给定的最大迭代次数，若已达到则结束搜索，否则转到步骤(4‑

2‑2)；

4‑3动态响应方法分析耦合网络过程(4‑3‑1)初始化

设置迭代次数ktp＝1，确定最大迭代次数 初始化边际电价λ(0)＝λ0，设置初始道路流量xa(0)＝0；

(4‑3‑2)确定交通系统的总需求量(OD对)，由确定的λ和需求量通过蚁群算法求动态交通用户最优分配问题(7)，得到网络的最优流量dc

(4‑3‑3)根据方程(10)更新电动汽车的充电需求p ，并通过非线性原对偶内点算法求*

配电网最优潮流目标函数(14)，具体过程如4‑2所述，得到最优边际电价λ；

*

(4‑3‑4)若满足收敛条件，则输出交通网中最优流量 和配电网最优边际电价λ；否则，更新迭代次数，返回4‑3‑2进行下一步迭代。