近年来,能源危机和环境污染问题加剧,电动汽车市场得以大规模扩张的同时也暴露了一系列的问题。一方面,由于电动汽车本身电池容量有限,其续航里程受到限制,由此引发了用户的里程焦虑心理,影响电动汽车的使用体验;另一方面,电动汽车连入电网充电时会对电网的运营造成一定的影响,且目前国内城市的电动汽车充电设施等基础建设不完备,造成电网供能质量低下和供需不平衡等现象。为缓解上述问题,离不开对电动汽车充电需求的合理预测。因此,本文展开对电动汽车充电需求预测的研究。主要内容如下:首先,对电动汽车实际出行数据进行预处理和出行样本划分,分析了出行特征和区域差异对能耗的影响,利用相关性分析得到了与能耗最相关的出行特征,由此作为输入特征指标,搭建了基于BP神经网络的能耗预测模型。通过不同区域样本进行交叉验证,证明了能耗存在区域差异性,最终建立了特定区域的能耗模型,并与其他方法预测结果进行了对比。然后,完成了基于出行需求的电动汽车充电需求仿真预测。首先对电动汽车的充电行为关键指标进行统计分析,包括充电起始时间、起始SOC和充电时长的分布规律,为后续的充电需求仿真预测提供依据。在给定出行需求和充电决策条件时,结合第二章的能耗模型对用户的充电行为进行仿真,实现了电动汽车充电需求随时间分布的仿真预测。随后通过调整输入设置,分析了出行特征对充电需求随时间分布的影响规律。最后,完成了基于出行量的电动汽车充电需求预测。对研究区域按街道进行划分,依据各街道出行量产生了相应的出行特征的随机样本,将其输入到能耗模型中得到各街道出行量对应的能耗量,即各街道充电需求的最小量。在此基础上,结合第三章已有的充电规律和街道出行量,基于蒙特卡洛方法对电动汽车充电需求进行仿真,得到了研究区域内各街道在一天各时段的充电负荷量分布。