近年来,由于人类使用化石能源产生的排放,地球环境逐渐恶化,全球变暖趋势加剧,而能源短缺问题也日益严重,大力推广新能源汽车尤其是电动汽车的使用成为了改变这一现状的重要措施。和燃油汽车相比,电动汽车使用电能而并不直接消耗化石能源,而电能可以由水电、核电及可再生能源等产生,从而显著降低对环境的污染,同时减少对石油资源的依赖。然而,大规模的电动汽车充电站负荷将对电网造成冲击,影响其稳定性。因此,电动汽车充电站的负荷预测是未来需要探究的重要方向,对于提高未来电网运行的安全性和稳定性具有重要意义。本文深入研究了电动汽车充电站的运行特点,提出了充电站短期负荷预测模型,并在分析预测误差的基础上,提出通过建立混合储能系统消除误差影响的方法。具体研究内容分为三个部分:第一部分是基于WT-ARMA-CNN组合模型的交通流预测,利用小波分解(WT)将交通流序列分解成不同频率成分的时间序列,然后对各频率成分进行平稳性检验,平稳序列采用自回归滑动平均模型(ARMA)进行预测,非平稳序列则采用深度卷积神经网络(CNN)进行预测。最后将ARMA模型以及CNN的预测值进行重构,获得最终的交通流预测值;第二部分是基于数据挖掘和用户行为的充电站概率负荷建模,利用先进数据挖掘技术获取充电站电动汽车到达率,再利用考虑用户行为与容量限制的排队论模型实现交通流到充电负荷的转化;第三部分是基于信号处理技术的混合储能系统容量配置,通过分析预测误差,建立混合储能系统消除误差影响,研究采用经验模态分解法(EMD)对电动汽车充电负荷预测误差进行分解,得到不同的频率成分,再根据不同种类的储能装置特性,对混合储能系统进行容量配置。仿真结果表明:本文提出的WT-ARMA-CNN组合交通流预测方法比单一CNN、WT-ARMA-BPNN、WT-ARMA-SAE三种预测方法预测精度更高、效果更好,证明了本文模型的优越性和可行性;得到的充电站预测负荷与真实负荷数据相差不大,也验证了所提负荷建模方法的有效性,能够实现预测交通流到预测充电负荷的转化;而最后得到的混合储能系统容量配置结果,表明该容量方案能够较好地处理负荷预测误差的影响,使预测负荷可应用于实际输电规划和调度当中,也证明了本文混合储能系统容量配置方法的有效性。