1.一种分时电价下的电动汽车充电负荷动态概率分布确定方法，其步骤为：A、记录辖区内每一小时的电动汽车充电分时电价ui(i＝1,2,…,24)，电动汽车最初出行时刻的概率分布F1(x)、最后返回时刻的概率分布F2(x)以及日行驶里程的概率分布F3(x)，辖区内电动汽车的单位里程耗电量的估计值W，辖区内电动汽车的充电效率估计值η，辖区内电动汽车的常规充电功率P，辖区内电动汽车充电桩控制指令变更的最小时间间隔Δt，辖区内电动汽车的数量N，拉丁超立方采样技术的采样规模M；

B、根据一天中辖区内电动汽车充电桩控制指令变更的最小时间间隔Δt，确定一天被划分的控制时段数J：

其中：L为24h；

C、利用拉丁超立方采样技术，对辖区内的电动汽车最初出行时刻的概率分布F1(x)、最后返回时刻的概率分布F2(x)以及日行驶里程的概率分布F3(x)进行采样、排序以及离散化处理，得到充电场景矩阵T：D、由充电场景矩阵T得到辖区内的电动汽车最初出行时刻的样本向量S、最后返回时刻的样本向量E以及充电时长的样本向量C：

T＝[S；E；C]＝[T1,T2,…,Tk,…,TK]    (2)其中：其中：k＝1,2,…,K，Tk为第k个充电场景向量，Tk＝[sk,ek,ck]T；

S＝[s1,s2,…,sk,…sK]    (3)E＝[e1,e2,…,ek,…eK]    (4)C＝[c1,c2,…,ck,…cK]    (5)其中：sk∈{1,2,…,J}，ek∈{1,2,…,J}，ck∈{1,2,…,J}；

E、通过求解下式，可确定第k个充电场景的起始充电时间tk：其中：i和j的关系为： 为向上取整，tq,k的取值满足出行需求：F、第k个充电场景下的单辆电动汽车充电策略Xk为：Xk＝[p1,k,p2,k…pj,k…pJ,k]    (8)其中：pj,k表示在第j(j＝1,2,…,J)个时间段的电动汽车充电功率，其取值为：G、第j个时间段单辆电动汽车的充电功率期望值μj和方差 分别可以表示为：H、第j个时间段辖区电动汽车充电总负荷Dj的概率密度函数f(Dj)为：

2.根据权利要求1所述的分时电价下的电动汽车充电负荷动态概率分布确定方法，其特征在于：所述步骤C中利用拉丁超立方采样技术，对辖区内的电动汽车最初出行时刻的概率分布F1(x)、最后返回时刻的概率分布F2(x)以及日行驶里程的概率分布F3(x)进行采样、排序以及离散化处理，分别得到辖区内的电动汽车最初出行时刻的样本向量S、最后返回时刻的样本向量E以及充电时长的样本向量C的具体方法是：C1、对辖区内的电动汽车最初出行时刻的概率分布F1(x)、最后返回时刻的概率分布F2(x)以及日行驶里程的概率分布F3(x)进行顺序采样，分别得到辖区内的电动汽车最初出行时刻的顺序采样向量S′＝[s′1,s′2,…,s′m,…,s′M]、最后返回时刻的顺序采样向量E′＝[e′1,e′2,…,e′m,…,e′M]、日行驶里程的顺序采样向量Y′＝[y′1,y′2,…,y′m,…,y′M]，其中：C2、对辖区内的电动汽车最初出行时刻、最后返回时刻和日行驶里程的顺序采样向量进行排序：

C21、初始化3个由整数1,2,…M的随机排列组成的1×M维行向量R1、R2和R3，计算其相关系数矩阵ρ：

其中：ρij(i＝1,2,3；j＝1,2,3)为行向量Ri和行向量Rj的相关系数；

C22、对相关系数矩阵ρ进行Cholesky分解，得到下三角矩阵G：ρ＝G·GT    (15)

其中：

G中各元素由下式确定：

C23、得到指示向量Z1、Z2和Z3：

其中：Z1＝[z1,1,z1,2,…,z1,m,…,z1,M]、Z2＝[z2,1,z2,2,…,z2,m,…,z2,M]和Z3＝[z3,1,z3,2,…,z3,m,…,z3,M]分别为1×M维行向量；

C24、得到编码向量B1＝[b1,1,b1,2,…,b1,m,…,b1,M]、B2＝[b2,1,b2,2,…,b2,m,…,b2,M]和B3＝[b3,1,b3,2,…,b3,m,…,b3,M]：其中：编码向量满足下式：

C25、得到的辖区内的电动汽车最初出行时刻的排序向量S″＝[s″1,s″2,…,s″m,…,s″M]、最后返回时刻的排序向量E″＝[e″1,e″2,…,e″m,…,e″M]以及日行驶里程的排序向量Y″＝[y″1,y″2,…,y″m,…,y″M]，其中：C3、对辖区内的电动汽车最初出行时刻、最后返回时刻和日行驶里程的排序向量进行离散化处理：

C31、由排序向量S″、E″以及辖区内电动汽车充电桩控制指令变更的最小时间间隔Δt得到辖区内的电动汽车最初出行时刻的离散向量S″′＝[s″′1,s″′2,…,s″′m,…,s″′M]、最后返回时刻的离散向量E″′＝[e″′1,e″′2,…,e″′m,…,e″′M]：C32、由排序向量Y″＝[y″1,y″2,…,y″m,…,y″M]、辖区内电动汽车的单位里程耗电量的估计值W、辖区内电动汽车的充电效率估计值η以及辖区内电动汽车充电桩控制指令变更的最小时间间隔Δt，得到辖区内的电动汽车充电时长的离散向量C″′＝[c″′1,c″′2,…,c″′m,…,c″′M]，其中：C33、由辖区内的电动汽车最初出行时刻的离散向量S″′、最后返回时刻的离散向量E″′以及辖区内的电动汽车充电时长的离散向量C″′得到充电场景的离散矩阵T″′：T″′＝[S″′；E″′；C″′]＝[T″′1,T″′2,…,T″′m,…,T″′M]  (23)其中：T″′m为第m个充电场景离散向量，T″′m＝[s″′m,e″′m,c″′m]T；

C34、得到满足出行逻辑的充电场景离散向量集合Q＝{Q1,Q2,…,Qk,…,QK}(l＝1,2,…,K)，其中：Qk∈{T″′1,T″′2,…,T″′m,…,T″′}，Qk＝[Qk,1；Qk,2；Qk,3]且Qk,1,Qk,2,Qk,3满足下式：C35、得到充电场景矩阵T：

T＝[Q1,Q2,…,Qk,…,QK]。    (25)。