1.一种考虑充电用户出行行为偏差的光储充电站鲁棒优化方法，其特征在于，包括：基于车-路-站-网协同架构，实时采集电力网络和交通网络的多维度数据；

基于采集的所述交通网络的OD需求数据和路段拥堵特征，采用随机用户均衡混合交通流分配模型刻画电动汽车用户在不同感知偏差下的路径选择和充电行为，结合交通网络均衡特性推演充电汽车的时空分布；

基于所述充电汽车的时空分布，构建交通-电力耦合网络时空关联约束，将交通与电力网络进行耦合，确定各充电站的充电负荷分布；

基于所述随机用户均衡混合交通流分配模型，获得交通网络出行用户行为感知偏差多维度不确定性区间，同时结合光伏出力波动，构建多维不确定性波动区间集合，包括：基于所述随机用户均衡混合交通流分配模型构建用户不同感知程度的充电负荷多面体不确定区间集合，表示为：；

其中，为时刻充电站对应虚拟路段的流量，即充电站车流量，为感知系数，，分别表示不同感知系数下时刻充电站虚拟路段交通流的最大值和最小值，表示时段交通流的偏差范围；为二进制变量，取值为1时，相应时段的不确定变量取到区间边界值；为充电负荷的不确定性调节参数，表示在调度周期内相应不确定变量取到波动区间边界值的时段总数，用于调节鲁棒最优解的保守性；为感知系数的上边界取值，为感知系数的下边界取值，为混合交通流分配的随机用户均衡模型，为调度周期，为配电网节点的PV-ESS-CS的充电站负荷，为单台电动汽车的充电功率；

多维不确定性波动区间集合表示为：

；

其中，为光伏出力允许的最大波动偏差；为二进制变量，取值为1时相应时段的不确定变量取到区间边界值，为接入节点的光伏注入功率，为光伏的基准功率，为光伏的不确定性调节参数；

基于所述多维不确定性波动区间集合，构建电力交通耦合系统中含光储充电站的两阶段鲁棒优化最优运行模型，确定最优运行状态的约束条件和目标函数；

基于预设的嵌套外逼近C&CG算法求解所述两阶段鲁棒优化最优运行模型，获得配电网和光储充电站设备在最坏场景下的最优运行策略。

2.根据权利要求1所述的方法，其特征在于，所述基于车-路-站-网协同架构，实时采集电力网络和交通网络的多维度数据，包括：在交通侧，通过地图软件获取区域交通拓扑，通过车载终端与路侧单元获取车辆OD需求、路网最大通行容量以及自由流通行时间；

在电力侧，同步接入配电网拓扑参数、光伏出力预测曲线、储能容量、运行边界、节点电压、线路负载裕度、充电站最大容量以及平均充电时间信息；

在环境侧，通过传感器采集气象预报数据。

3.根据权利要求2所述的方法，其特征在于，所述基于采集的所述交通网络的OD需求数据和路段拥堵特征，采用随机用户均衡混合交通流分配模型刻画电动汽车用户在不同感知偏差下的路径选择和充电行为，结合交通网络均衡特性推演充电汽车的时空分布，包括：将所述交通拓扑描述为有向图表达方式；

根据所述OD需求数据、所述路网最大通行容量以及所述自由流通行时间，通过引入随机效用理论建立混合交通流分配模型，通过用户对出行成本的感知采用随机用户均衡模型将OD需求分配到所有的出行路径中；其中，所述随机用户均衡模型的最终均衡态描述为一个路径流量的不动点问题；

基于建立的不动点问题，通过一阶最优性条件将其转换为凸优化模型；

对所述凸优化模型进行求解获得交通网络均衡特性下充电汽车的时空分布。

4.根据权利要求3所述的方法，其特征在于，所述凸优化模型表示为：

；

其中，为随机用户均衡模型的目标函数，为路段的交通流量，为路段的路段通行时间，为用户在充电站的服务时间，为路径标识，为有效路径集合，为常规路段集，为虚拟路段集，为所有类型的用户OD对集合，为单一用户类型的用户OD对集合，为OD对下的路径的流量，为一个积分变量，用于表示从0流量到流量的过程。

5.根据权利要求4所述的方法，其特征在于，所述基于所述充电汽车的时空分布，构建交通-电力耦合网络时空关联约束，将交通与电力网络进行耦合，确定各充电站的充电负荷分布，包括：假设每个PV-ESS-CS由最近的配电网节点供电，且充电站的交通流量与充电负荷存在线性的映射关系，在充电站交通流给定时，得到充电站所属配电网络节点的充电负荷：；

其中，为配电网中的充电站节点集合。

6.根据权利要求5所述的方法，其特征在于，所述基于所述多维不确定性波动区间集合，构建电力交通耦合系统中含光储充电站的两阶段鲁棒优化最优运行模型，确定最优运行状态的约束条件和目标函数，包括：使用有向图GE=[EN,EL]描述配电网拓扑结构，其中EN和EL分别表示配电网的节点集合和线路集合；在确定电网拓扑结构GE和线路的电气参数和时，采用二阶锥松弛的DistFlow潮流模型描述PDS的运行约束，其中和为线路的电阻和电抗；考虑到电网的安全稳定运行、电能质量要求，约束条件包括构建电压、电流边界约束、上级电网购电约束、储能运行约束、静止无功补偿装置运行约束；

两阶段鲁棒优化最优运行模型目标函数为运行成本FPDS最小，FPDS由储能充放电成本CESS、上级电网购电成本CGRID和网络损耗成本CLOSS组成。

7.根据权利要求6所述的方法，其特征在于，所述基于预设的嵌套外逼近C&CG算法求解所述两阶段鲁棒优化最优运行模型，获得配电网和光储充电站设备在最坏场景下的最优运行策略，包括：基于所述嵌套外逼近的C&CG算法，将所述两阶段鲁棒优化最优运行模型分解为一个主问题MP和一个子问题SP，使用求解器进行求解，获得配电网和光储充电站设备最坏场景下的最优运行策略；所述最优运行策略包括：交通网的交通流分布、充电负荷分布、车辆通行时间成本、车辆充电时间成本；配电网的节点电压、支路电流、上级购电量、支路传输有功无功功率；光伏储能充电站的光伏和充电负荷的最坏分布、储能充放电功率、储能荷电状态、SVC补偿功率。

8.一种考虑充电用户出行行为偏差的光储充电站鲁棒优化装置，其特征在于，包括：数据采集模块，用于基于车-路-站-网协同架构，实时采集电力网络和交通网络的多维度数据；

第一确定模块，用于基于采集的所述交通网络的OD需求数据和路段拥堵特征，采用随机用户均衡混合交通流分配模型刻画电动汽车用户在不同感知偏差下的路径选择和充电行为，结合交通网络均衡特性推演充电汽车的时空分布；

第二确定模块，用于基于所述充电汽车的时空分布，构建交通-电力耦合网络时空关联约束，将交通与电力网络进行耦合，确定各充电站的充电负荷分布；

多维不确定性波动区间构建模块，用于基于所述随机用户均衡混合交通流分配模型，获得交通网络出行用户行为感知偏差多维度不确定性区间，同时结合光伏出力波动，构建多维不确定性波动区间集合，包括：基于所述随机用户均衡混合交通流分配模型构建用户不同感知程度的充电负荷多面体不确定区间集合，表示为：；

其中，为时刻充电站对应虚拟路段的流量，即充电站车流量，为感知系数，，分别表示不同感知系数下时刻充电站虚拟路段交通流的最大值和最小值，表示时段交通流的偏差范围；为二进制变量，取值为1时，相应时段的不确定变量取到区间边界值；为充电负荷的不确定性调节参数，表示在调度周期内相应不确定变量取到波动区间边界值的时段总数，用于调节鲁棒最优解的保守性；为感知系数的上边界取值，为感知系数的下边界取值，为混合交通流分配的随机用户均衡模型，为调度周期，为配电网节点的PV-ESS-CS的充电站负荷，为单台电动汽车的充电功率；

多维不确定性波动区间集合表示为：

；

其中，为光伏出力允许的最大波动偏差；为二进制变量，取值为1时相应时段的不确定变量取到区间边界值，为接入节点的光伏注入功率，为光伏的基准功率，为光伏的不确定性调节参数；

模型构建模块，用于基于所述多维不确定性波动区间集合，构建电力交通耦合系统中含光储充电站的两阶段鲁棒优化最优运行模型，确定最优运行状态的约束条件和目标函数；

模型求解模块，用于基于预设的嵌套外逼近C&CG算法求解所述两阶段鲁棒优化最优运行模型，获得配电网和光储充电站设备在最坏场景下的最优运行策略。

9.一种电子设备，其特征在于，所述电子设备包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令或者计算机程序时，实现如权利要求1至7任一项所述的方法。