1.基于用户出行时空分布特性的电动汽车充电负荷预测方法，其特征在于，该方法具体包括以下步骤：

步骤1、建立Bass回归分析模型对未来N年电动汽车保有量进行预估；

步骤2、根据私家车出行目的地的性质不同，将规划区分为五大类，分别为住宅区、教学区，办公区，商业区和其他区域，并将住宅区视为用户默认出发地；

将所有功能区的几何中心作为功能区的节点，各个功能区域之间以节点相连，为了更好描述各个功能区之间的连接关系，将节点之间的连接线段定义为规划区的道路；

将国内的道路类型分为4个等级，各个道路等级rij如式(1)所示；

式中，ri,j∈R，ri,j为节点i，j之间的道路等级；

利用图论方法提取道路交通网络中的道路长度、道路连接关系、道路拥堵系数这些拓扑信息构建多源信息融合的道路模型，具体描述如式(2)；

式中，V(G)为规划区中的节点集合；n为道路节点的个数；E(G)为规划区中的道路路段集合；两节点之间的距离即为道路距离ui,j； 为节点之间的连接关系矩阵，若区域之间不存在道路连接关系则用inf表示；

假设规划区中所有的连接道路均为双向的道路，因此ui,j如式(3)所示；

式中，i，j分别为节点；di,j为区域节点i，j之间的距离；inf为无穷大；在不融合多源信息的情况下，初始di,j由式(4)表示；

关于城市道路的拥堵程度用区域之间的平均行驶时间和自由行驶时间确定的道路拥堵系数来表达，具体函数关系式如式(5)；

式中，Ci,j(t)为t时刻节点i和j之间道路的拥堵系数，系数值越大表示路段越拥挤，Ti,j(t)表示电动汽车在t时刻节点i和j之间道路的平均行驶时间；T0为每条道路的自由行驶时间，且均为定值；

由以上道路长度，路网拥堵程度和道路等级加权以后即得到的等效道路长度，等效道路长度Di,j(t)表示为：

Di,j(t)＝di,j+di,jCi,j(t)+di,j/ri,j                     (6)步骤3、利用Dijkstra算法寻找等效道路中的最短路径，并将此寻优的路径作为用户出行的出行链；

定义用户出行链分为简单链和复杂链，根据实际情况，用户出发的始发地和日出行终点均为住宅区，因此用户的出行路径构成一个闭环；用户一天内两次的出行路径为简单链，超过两次的路径记为复杂链；

用户在一天的行程中会前往一个或者多个功能区活动，因此用户日出行空间特性由一系列中间驻留点构成的出行链来表示，如式(7)所示；

Q＝{q1(x1,y1),q2(x2,y2),...,qs(xs,ys),...}                  (7)式中，Q为出行链对应驻留功能区的集合；s为驻留功能区的序号；q1为出行链出发点；qs为出行过程中的驻留点，(xs,ys)为功能区几何中心的坐标位置；

出行链包含的路径集合由式(8)表示；

Π＝{ψ(q1,q2),ψ(q2,q3),...,ψ(qs,qs+1),...}                  (8)设pa为两个连续驻留点间的最短路径，pa∈ψ(qs,qs+1)为一个出行链对应的一条路径，Π为出行链对应的路径集合；

步骤4、根据历史数据设定概率分布，得到每台电动汽车不同的出行特征量，此特征量包括首次出发时刻、电动汽车初始蓄电池荷电状态、电动汽车功能区驻留时长和日出行次数；

假设每个用户的出发时间 近似为正态分布，其概率密度函数如式(9)所示；

式中，σD为用户出行用车的始发时间标准差；μD为期望值；

每个区域电动汽车的驻留时间也通过正态分布来描述；概率密度关系如式(10)表示；

式中， 和 分别为用户在每个功能区因个人原因驻留时长的标准差和期望值，并有i＝2,3,…s…；

用户每日在出行时电池的荷电状态并不全是满充的状态，假设用户每日首次用车时的电池电量服从正态分布，具体表达式由式(11)表示；

式中， 为第n台电动汽车的初始电池荷电状态，n∈N，N为规划区用户电动汽车总台数，即步骤1的预估数量；σsoc和μsoc分别为电动汽车初始荷电状态的标准差和期望值；

忽略出行链内途经的所有区域的驻留时长，用户日出行次数满足以下概率密度函数；

式中，I为用户日出行次数；σI和μI分别为出行次数标准差和期望值；

步骤5、电动汽车在行至目的地的过程中，途经所有功能区内的充电站对电动汽车此时的荷电状态进行评估；通过充电模式选择条件判断电动汽车是否在此充电站选择充电服务；若需要充电则进行步骤6，否则执行步骤7；

为了保证电动汽车能够顺利行驶至目的地，用户在途中会监测电池电量，而电池剩余电量通过实时荷电状态反映，从而判断在哪个功能区进行充电；EVSOCn电动汽车到达下一个功能区时蓄电池荷电状态通过式(13)表示；

式中，S100为电动汽车行驶每百公里电池损耗量；EEV为其蓄电池的额定容量；

将第n台电动汽车荷电状态 与到达功能区的最小荷电状态SOCMINarrive相比较，判断电动汽车在第i个区域是否需要选择充电模式，具体如下；

用户出行最终回到住宅区后，对电动汽车蓄电池荷电状态采用式(15)的判断条件确定是否充电；

式中， 为前一日电动汽车停泊住宅区时的蓄电池荷电状态； 为到达终点住宅区充电最小荷电状态，低于此值的电动汽车需在住宅区充电；

步骤6、电动汽车在此功能区充电站进行充电，待充电至最大荷电状态时充电结束，并驶离此功能区；

充电时期存在慢充Pslow和快充Pfast的区别，充电期间电动汽车蓄电池荷电状态的变化如式(16)表示；

式中， 为在t+1时刻下第n台电动汽车在第i个充电站内充电的荷电状态；

和 分别为充电状态(0,1)变量，并且电动汽车一旦停泊充电，默认车辆需要充电充满至荷电状态上限EVSOCmax可停止充电，继而驶离充电站，由此得出每台汽车从停泊至驶离过程中充电的时长 具体如式(17)；

步骤7、行驶至出行链中的下一功能区，跳回循环执行步骤五，直至电动汽车顺利行驶至此次出行的目的地；

步骤8、统计规划区内各功能区在每个时刻的充电负荷量、各功能区日充电负荷总量和规划区日充电负荷总量；

步骤9、利用蒙特卡洛法对规划区充电负荷进行多次预测，采用非参数核密度估计算法对预测结果进行概率密度计算，在此基础上采用高斯拟合得到概率密度函数关系式；

步骤10：将步骤9中得到的工作日和休息日充电负荷概率密度函数关系式中对应出现概率最高的充电负荷值分布作为工作日和休息日的预测充电负荷值。