1.一种基于充电行为的多类型电动汽车负荷预测方法，其特征在于，包括如下步骤：S1、充电行为特性统计及概率分析不同类型的电动汽车应用场景不同，其规律特性也不相同，因此需要对不同类型电动汽车的充电行为特性进行数据统计，并进行特性的概率分析；S2、建立电动汽车充电负荷模型对各类型电动汽车的充电负荷进行建模，形成电动汽车的充电计算模型，充电负荷建模包括：电动汽车电池起始荷电状态、电动汽车充电时长以及各时段充电负荷；S3、确定电动汽车的所需参数确定各类型电动汽车负荷预测方法所需的重要参数，包括电动汽车的数量、电动汽车电池额定容量、电动汽车的充电参数和仿真的迭代次数；S4、计算荷电状态和充电时长随机生成满足日行驶里程和起始充电时间概率分布的随机数，并根据随机数和充电计算模型计算荷电状态和充电时长；S5、得到各类型电动汽车的日负荷预测曲线叠加各电动汽车的充电负荷曲线，即可得到各类型电动汽车的日负荷预测曲线；所述S2中对于电动私家车、电动出租车和电动商务车，在已知日行驶里程和采用恒功率方式充电的条件下，充电时长模型为：公式①中，C E 为每百公里耗电量，l为日行驶里程，P为额定充电功率；对于电动公交车，若电动公交车耗电量和运行时间成正比，那么单次行驶结束后到达终点站时的起始荷电状态为：公式②中，S为单次行驶里程，C E 为每百公里耗电量，C B 为电动公交车电池容量，T d 为单次运行时间，T p 为单次平均运行时间；在恒功率方式充电的条件下，电动公交车的充电时长为：公式③中，SOC为起始荷电状态，C B 为电动公交车电池容量，P为额定充电功率；已知各类型电动汽车的充电时长，若电动汽车到达充电地点后立即以额定功率进行充电，则各时段的充电负荷为：公式④中，P为额定充电功率，t 1 为起始充电时间。
2.根据权利要求1所述的一种基于充电行为的多类型电动汽车负荷预测方法，其特征在于，所述S1中各类型电动汽车包括电动私家车、电动公共汽车、电动出租车和电动商务车，私家车的充电行为随机性最大，公交车的出行规律固定，出租车充电时间固定，商务车选择在执行完商务后开始充电且充电时间长。
3.根据权利要求1所述的一种基于充电行为的多类型电动汽车负荷预测方法，其特征在于，所述S1中电动汽车的充电行为特性包括日行驶里程、起始充电时刻，概率分析即利用软件根据统计数据得出相应的概率分布函数。
4.根据权利要求1所述的一种基于充电行为的多类型电动汽车负荷预测方法，其特征在于，所述S3中电动汽车的数量根据需求设定指定区域电动汽车的保有量，设置仿真的迭代次数是为了避免电动汽车负荷预测过程中的出现偶然性。
5.根据权利要求1所述的一种基于充电行为的多类型电动汽车负荷预测方法，其特征在于，所述S4中生成随机数的过程即为概率分布抽样的过程，蒙特卡洛法的基本模拟实验手段就是产生已知概率分布的随机变量，即将从已知的概率分布抽样问题转化为产生随机数的问题。
6.根据权利要求1所述的一种基于充电行为的多类型电动汽车负荷预测方法，其特征在于，所述S5中各个电动汽车的随机数均相互独立，则各个电动汽车的日负荷曲线也是相互独立的，利用求和的手段计算总的负荷预测结果。
7.一种基于充电行为的多类型电动汽车负荷预测方法的系统，其特征在于，该系统应用于权利要求1-5任意一项所述的一种基于充电行为的多类型电动汽车负荷预测方法，包括：规律特性数据统计模块、充电行为特性概率分析模块、概率分布抽样模块、负荷预测参数输入模块、充电负荷建模模块、充电参数计算模块、电动汽车预测负荷计算模块；规律特性数据统计模块将数据传输至充电行为特性概率分析模块，充电行为特性概率分析模块将数据传输至概率分布抽样模块，负荷预测参数输入模块将数据传输至充电负荷建模模块，充电负荷建模模块将数据传输至充电参数计算模块，概率分布抽样模块和充电参数计算模块将数据传输至电动汽车预测负荷计算模块。
8.根据权利要求7所述的一种基于充电行为的多类型电动汽车负荷预测方法的系统，其特征在于，规律特性数据统计模块——用于收集和统计各类型电动汽车的日行驶里程和起始充电时刻数据；充电行为特性概率分析模块——用于利用MATLAB软件根据统计数据得出日行驶里程和起始充电时刻的概率分布函数；概率分布抽样模块——用于根据已建立的概率分布函数随机生成满足日行驶里程和起始充电时间概率分布的随机数；负荷预测参数输入模块——用于输入仿真起始的参数，包括电动汽车的数量、电动汽车电池额定容量、电动汽车的充电参数和仿真的迭代次数；充电负荷建模模块——用于对电动汽车电池起始荷电状态、电动汽车充电时长以及各时段充电负荷进行计算模型的建立；充电参数计算模块——用于根据产生的日行驶里程和起始充电时间随机数和充电计算模型计算荷电状态和充电时长；电动汽车预测负荷计算模块——用于对所有电动汽车日负荷预测曲线求和，得到总的电动汽车负荷预测值。
