为了实现节能减排的绿色发展目标,电动汽车在世界各国都得到了广泛关注,其规模也在迅速扩大。许多与电动汽车相关的研究,例如充电站选址定容、有序充电引导策略的制订等,都必须以准确把握电动汽车充电行为及充电需求为前提。充电需求的时间-位置分布和电动汽车的行为特征紧密相关,然而电动汽车的出行和充电活动均具有较强的随机性,依赖于经验假设的传统建模方式势必无法满足准确性要求。随着充电计量、出行调查统计等数据的广泛积累,不依靠模型参数假设的数据驱动方法能更真实地反映电动汽车的行为特征。基于此,本文从以下几个方面开展了较为深入的研究:(1)从充电站的角度出发,通过充电行为特征变量来表征大量电动汽车在充电过程中体现出的规律性,并采用扩散核密度估计法对特征变量进行概率建模。该方法具备普通核密度估计法的非参数特性,具有良好的边界估计表现,并能根据观测值的疏密程度自适应地调整平滑性能,使拟合优度达到最佳;(2)为最大限度地保留通过扩散核密度估计法获得的概率密度函数表达式体现的分布特征,采用切片抽样法实现对该密度函数的抽样。该方法通过引入辅助变量构造了一个Gibbs抽样器,将从原较为复杂的密度函数抽样的过程转化为了从一个二维区域上均匀抽样的过程。在具体应用场景上,根据充电站充电负荷密度函数生成了大量的负荷样本,考虑规模化充电时对经修改的IEEE 30节点网络进行了可靠性评估,验证了切片抽样法的有效性和准确性;(3)从电动汽车自身角度出发,借助交通科学中的出行链理论,对与电动汽车出行密切相关的关键变量进行概率建模,并同时对交通状况和充电行为进行定量描述。在抽样模拟阶段,从多角度细化了充电场景,获得了不同场景下电动汽车充电需求的时间-位置分布曲线,并针对特定场景模拟了实施有序充电引导方案后的总充电需求。