1.一种基于出行数据的电动汽车充电负荷预测方法，其特征是，所述方法包括以下步骤：获取车辆出行的历史数据，所述历史数据包括车辆的出行时间、出行位置和行程耗时；对所述历史数据进行预处理，得到有效数据集；将研究范围划分为若干出行区域；采用随机抽样法确定车辆的出行规律；采用Dijkstra最短路径算法建立路径选择模型，确定车辆的出行路线；区分车辆类型，并划分不同类车辆的充电模式和充电特性；根据不同类车辆的特性，建立车辆充电负荷预测模型，利用该预测模型得到该区域电动汽车充电负荷曲线；所述车辆类型包括私家车、出租车和公务车；所述建立车辆充电负荷预测模型的具体过程为：设车辆出行时负荷状态随行驶距离的变化为式中， 为车辆x在到达目的地时的荷电状态， 为车辆在出发时的荷电状态，D x 为车辆x行驶的距离，w每千米消耗的电能，C x 为车辆的电池容量；车辆行驶过程中的充电约束条件为式中，λ m 为不同车辆类型的里程焦虑系数, 为车辆 x 的初始荷电状态 ；车辆在不满足上述充电约束条件时，充电模型为式中， 为车辆x在出发地i O 快速充电所花费的时间， 为车辆x在出发地i O 慢速充电所花费的时间，η C 为车辆的充电效率；P fast 为车辆的快充功率，P slow 为车辆的慢充功率，P为私家车的集合，T为出租车的集合，V为公务车的集合。
2.根据权利要求1所述基于出行数据的电动汽车充电负荷预测方法，其特征是，对所述历史数据进行预处理包括：删除原始数据中的无效数据；根据研究范围，选择起止位置在该研究范围内的出行数据；删除出行时间小于设定时间阈值的出行数据；将原始数据建立日数据模块，根据日期类型的差异对出行数据进行分别存储。
3.根据权利要求1所述基于出行数据的电动汽车充电负荷预测方法，其特征是，采用蒙特卡洛随机抽样法确定车辆出行规律，具体过程为：根据所述历史数据，得到车辆出行的起止时间和起止点位置信息；根据所述起止点位置的经纬度判断起止点所在的区域，建立车辆出发数据集和到达数据集；利用蒙特卡洛随机抽样法，从所述出发数据集和到达数据集中得到每个车辆的出行规律。
4.根据权利要求1所述基于出行数据的电动汽车充电负荷预测方法，其特征是，采用Dijkstra最短路径算法建立路径选择模型，确定车辆的出行路线的具体过程为：a.确定初始节点、目标节点、未访问节点集合和已访问节点集合，为每个节点分配一个初始距离，设初始节点为当前节点；b.计算未访问节点集合中所有未访问的相邻节点与当前节点的距离，比较计算的距离值与所述初始距离的大小，得到最小距离值；c.将当前节点归入已访问节点集合，并将其从未访问节点集合中移除；d.判断目标节点是否属于已访问节点集合，若是，则算法完成；e.若否，选择所述最小距离值对应的未访问节点，并将其设为当前节点，返回步骤b。
5.根据权利要求1所述基于出行数据的电动汽车充电负荷预测方法，其特征是，所述车辆充电负荷预测模型还包括：车辆在到达目的地的充电约束条件为式中，SOC min 为车辆最小荷电状态；车辆在不满足上述约束条件时，充电模型为式中，SOC max 为车辆最大荷电状态； 为车辆x在到达地i D 快速充电所花费的时间； 为车辆x在到达地i D 慢速充电所花费的时间。
6.根据权利要求1所述基于出行数据的电动汽车充电负荷预测方法，其特征是，所述充电负荷曲线为：式中，P i (t)为区域i在t时刻的充电功率； 表示时刻t电动汽车x在区域i是否选择快速充电方式，其在是的时候取值为1； 表示时刻t电动汽车x在区域i是否选择慢速充电方式，其在是的时候取值为1。
