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Fi(x)、最后返回时刻的概率分布F2(X) W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n， 辖区内电动汽车的常规充电功率P，辖区内电动汽车充电粧控制指令变更的最小时间间隔 A t，辖区内电动汽车的数量N，拉下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粧控制指令变更的最小时间间隔At,确定一天被 划分的控制时段数J: J 二与 (1) At 其中：L为2地； C、 利用拉下超立方采样技术，对辖区内的电动汽车最初出行时刻的概率分布Fi(x)、最 后返回时刻的概率分布F2(X)W及日行驶里程的概率分布F3(X)进行采样、排序W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EW及充电时长的样本向量C: T=[S;E;C] = [Ti，T2，...，Tk，...，TK] (2) 其中：其中:k=l，2,…，K，Tk为第k个充电场景向量，Tk=[sk，ek，ck]T; S=[si,S2,-",Sk,-"SK] (3) Ε=[θΐ,θ2,···,θΐί,···θκ] (4) C=[ci,C2,...,Ck,...CK] (5) 其中：ske{l,2,...,J}，eke{l,2,...,J}，cke{l,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:銜 其中：巧日j的关系为

「1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=[Pl,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：巧 G、 第j个时间段单辆电动汽车的充电功率期望值^和方差咕分别可W表示为：

(10)

(11) Η、第j个时间段辖区电动汽车充电总负荷化的概率密度函数f (化)为：

(12)

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中利用拉下超立方采样技术，对辖区内的电动汽车最初出行时刻的概 率分布Fi(x)、最后返回时刻的概率分布F2(X)W及日行驶里程的概率分布F3(X)进行采样、 排序W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EW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Fi (X )、最后返回时刻的概率分布F2 (x)W及日行驶里程的概率分布的(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l，s/ 2，···，3\，…，S^M]、最后返回时刻的顺序采样向量E/ = [e' i，e' 2，···，e'm，···，e'M]、日行驶里程的顺序采样向量Y' = [y' i，y' 2,…，y'm,…，y'M]，其 中：(13) 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，·，·Μ的随机排列组成的1 XΜ维行向量Ri、R2和R3，计算其相 关系数矩阵P:(14) 其中:Pij(i = l，2,3; j = l，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P进行Cholesky分解，得到下Ξ角矩阵G: P = G*gT (15) 其中：(16) G中各元素由下式确定：

其中：Zl=[Zl,l,Zl,2,...,Zl,m,...,Zl,M]、Z2=[Z2'l,Z2'2,...,Z2'm,...,Z2'MWRZ3=[Z3'l, Z3,2,…，Z3,m，···，Z3,M]分别为1 XM维行向量； C24、得到编码向量Bl = [bl,l ,bl,2 ,…，bl,m,…，bl,M]、B2 = [b2,l ,b2,2 ,…，b2,m,…，b2,M]和 B3= [b3,l,b3,2, ... ,b3,m, ... ,b3,M]: 其中：编码向量满足下式：(19)： C25、得到的辖区内的电动汽车最初出行时刻的排序向量^ = [3"1，3"2，一，3%，…，S "Μ]、最后返回时刻的排序向量6" = [6"1，6"2，一，6%，一，6%]^及日行驶里程的排序向量 Y" = [y"l，y"2，...，y"m，…，y"M]，其中：。0) 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"W及辖区内电动汽车充电粧控制指令变更的最小时间间隔At 得到辖区内的电动汽车最初出行时刻的离散向量5"/=^"/1，3"/2，一，3"\，一，3"/«]、最 后返回时刻的离散向量 E"'=[e"'i，e"'2，一，e"'mr''，e"'M]:(21) C32、由排序向量¥" = ^"1，7"2，-，，7%^-，7%]、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nW及辖区内电动汽车充电粧控制指令变更的 最小时间间隔At,得到辖区内的电动汽车充电时长的离散向量C"/=k"/i，c"/2, ···，(/ 'm，...，C"'M]，其中：(22) 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"/ W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"/: Τ"'=Κ"' ;E"' ;C"'] = [T"'i，T"'2，...，T"'m，...，T"'M] (23) 其中:Τ"\为第m个充电场景离散向量，T"\=[s"\，e"\，c"\]T; C34、得到满足出行逻辑的充电场景离散向量集合Q= {Qi,化，···，Qk，···，化}(1 = 1，2,…， 1〇，其中：0把{1'"'1,1'"'2,。'，1'"'111,。'，1'"'}，〇1<=[0、1;0、2;0、3]且〇1<,1,〇1<2,0、3满足下式： 若化 <如，则拓<24-沁+纪 0 若幻.1>免，脚似如 ' C35、得到充电场景矩阵T: Τ= [Qi,〇2, ... ,Qk,... ,Qk] (25)。