电动汽车作为新一代的交通工具,具有低能耗、低污染的巨大优势,在可预见的未来将迎来飞速的发展。和传统电力系统负荷不一样的是,电动汽车是可移动负荷,因此其在时间和空间上的分布具有很强的不确定性。建立更为精确的电动汽车充电负荷模型,能够为研究电动汽车对电网影响、充电基础设施规划以及电网规划与运行提供更为准确的数据支撑,有着非常重要的意义。目前国内外关于电动汽车负荷模型的研究中大都采用传统参数估计法对随机变量进行概率建模,导致最终所得负荷模型存在精度低、适应性差等缺点,针对以上不足,本文主要完成了以下三部分的工作:(1)提出了一种采用边界核的自适应非参数核密度估计概率建模方法。针对常规非参数核密度估计方法存在的边界偏差和缺乏局部适应性问题进行改进,将边界核与自适应带宽有效结合,从而解决了常规非参数核密度估计方法存在的不足,进一步提高了概率建模的精度。此外该方法有效保留了常规非参数核密度估计方法的优点,即不依赖于概率分布模型假设,能有效挖掘样本数据中的统计信息,可以避免传统参数估计方法存在的精度低、适应性差等缺陷。最后分别应用传统参数估计方法、非参数核密度估计法以及改进非参数核密度估计法对起始充电时间和起始荷电状态进行概率建模,通过分析对比计算精度,验证了改进算法的准确性。(2)提出了一种结合三次样条插值法的改进拉丁超立方抽样法。针对常规拉丁超立方抽样法不能直接应用于非参数核密度估计抽样的问题进行改进,将三次样条插值法与常规拉丁超立方抽样法结合,弥补了常规拉丁超立方抽样法的局限性。此外该方法有效保留了常规拉丁超立方抽样法的优点,相比目前广泛应用于非参数核密度估计抽样的舍选法在抽样精度和计算时间方面具有显著优势。最后分别应用舍选法、改进拉丁超立方抽样法对起始充电时间和起始荷电状态进行样本抽样,通过分析对比抽样时间和精度,验证了所提算法的准确性和高效性。(3)建立了电动客车的综合负荷需求模型。以某充电站实测数据为基础,结合改进非参数核密度估计算法和改进拉丁超立方抽样算法,建立电动客车的充电负荷模型。并且,将仿真结果与传统参数估计方法所得的电动客车的充电负荷模型以及实测数据进行对比分析计算,验证了本文所提方法的有效性和准确性。