1.一种面向电力能源互联网的基于模型预测算法的电网控制方法，包括如下步骤：
s1.对光伏发电系统进行最大功率跟踪控制；对风能发电系统进行最大功率跟踪控制；对储能系统进行安全控制；对牵引负载进行pmsm控制；
s2.对光伏发电系统进行模型预测控制；对风能发电系统进行模型预测控制；对储能系统进行模型预测控制；
s3.实时采集光伏发电系统、风能发电系统、储能系统和牵引负载的运行参数，以功率平衡为目的实现协调控制。
2.根据权利要求1所述的面向电力能源互联网的基于模型预测算法的电网控制方法，其特征在于步骤s1所述的对光伏发电系统进行最大功率跟踪控制，具体为采用扰动观察法，通过改变电压变化量对最大功率点电压进行搜索，找到光伏发电系统的最大功率点电压，并进行最大功率跟踪控制。
3.根据权利要求3所述的面向电力能源互联网的基于模型预测算法的电网控制方法，其特征在于步骤s1所述的对风能发电系统进行最大功率跟踪控制，具体为采用爬山法搜索风能发电系统的最大功率点，并进行最大功率跟踪控制。
4.根据权利要求3所述的面向电力能源互联网的基于模型预测算法的电网控制方法，其特征在于步骤s2所述的对光伏发电系统进行模型预测控制，具体为采用如下模型进行预测控制：
当开关为“开”时，光伏发电系统变换器的数学模型为：
当开关为“关”时，光伏发电系统变换器的数学模型为：
根据上述光伏发电系统变换器的数学模型，电压和电流分别预测为：
开关为“开”时：s＝1，
开关为“关”时，s＝0，
选取评价函数为：g＝|iref-il(k+1)|；
式中tc为控制步长；iref为给定电流。
5.根据权利要求4所述的面向电力能源互联网的基于模型预测算法的电网控制方法，其特征在于步骤s2所述的对风能发电系统进行模型预测控制，具体为采用如下模型进行预测控制：
永磁直驱风力发电机的小信号模型为：
电磁转矩为：
运动方程为：
电流和转矩的下一步预测为：
评价函数为：
式中vsd为d坐标系下的定子电压；vsq为q坐标系下的定子电压；isd为d坐标系下的定子电流；isq为q坐标系下的定子电流；ψsd为d坐标系下的磁链；ψsq为q坐标系下的磁链；rs为定子电阻；ω为转子转速；lsd为d坐标系下的定子电感；lsq为q坐标系下的定子电感；ψrd为转子磁链；p为发电机极对数；j为转动惯量；tl为负载转矩；μ为摩擦系数；ts为控制步长；ψm为发电机转子磁通；上标k表示当前状态；上标k+1表示下一状态；λ1为第一评价系数；λ2为第二评价系数；
6.根据权利要求5所述的面向电力能源互联网的基于模型预测算法的电网控制方法，其特征在于步骤s2所述的对储能系统进行模型预测控制，具体为采用如下模型进行预测控制：
双向电池变换器的模型为：
式中
7.根据权利要求6所述的面向电力能源互联网的基于模型预测算法的电网控制方法，其特征在于步骤s3所述的实时采集光伏发电系统、风能发电系统、储能系统和牵引负载的运行参数，以功率平衡为目的实现协调控制，具体为采用如下步骤进行控制：
a.采样直流母线电压vbus(k)和直流母线电流ibus(k)；
b.计算功率参数：负载功率pl、电路损耗ploss、风机功率pw和光伏功率ppv，并进行电池状态估算，并进行电池状态估算；
c.根据步骤b得到的功率参数，计算净功率pnet；
d.根据步骤c计算得到的净功率pnet和步骤b得到的电池状态估算值soc，采用如下规则进行协调控制：
若pnet＞0且soc＞socmax，则停止对电池充电；
若pnet＞0且soc≤socmax，则对电池进行充电直至电池状态值soc＞socmax；
若pnet≤0且soc≤socmin，则进行负荷切除；
若pnet≤0且soc＞socmin，则对电池进行放电直至电池状态值soc＜socmin。