1.一种电动汽车充电负荷时‑空分布计算方法，其特征在于，具体按照以下步骤实施：步骤1、基于出行行为分析，建立出行链；具体过程为：对电动汽车出行数据进行概率统计，得到各级出行链级数、到达时间、日出行距离及停车时长的概率分布，通过蒙特卡洛仿真建立包含始发地n0，出行距离d，到达时间ta，出行时间td，停车时间tp，目的地m的出行链，如下所示：TCj＝[td,nm,dnm,ta,nm,tp,nm]                 (1)式中，j为汽车出发的节点号，j＝1,…,J，第j个TC包括m＝1,···，M(j)个单独行程；

td,nm为第j个TC从n出发去m的时间；ta,nm为第j个TC的到达m的时间；tp,nm为第j个TC的在目的地m的停车时间；dnm为第j个TC内从n出发去m的距离；

步骤2、建立基于出行链的电动汽车充电负荷模型；具体过程为：单个电动汽车充电量Pmn(t)所需的充电能量如下：式中，Pc,n为充电功率，ηc为充电效率，tc,mn为电池所需的最短充电时间，S(ta,mn)表示为当电动汽车到目的地n时，电池的剩余电量，0则为空电，1则为满电；e是每公里的平均用电量；

假设在每天初始时电动汽车均为满电状态，且为使其保持运行状态，设置其不会耗尽电量，即S(ta,mn)>0，当出现复杂链时，即两个出行链的组合时，下一级出行链的初始电量为：按照实际地址位置，选取实验网架，使其节点与配电网IEEE33节点一一对应，并对实验网架中节点进行编号，针对编号为j的节点提取其所有以n点为目的地的出行链信息，并根据公式(2)计算其行驶耗电量；

k个电动汽车的总充电需求Pk(t)是所有到达此节点所有单辆电动汽车充电需求Pmn(t)的总和，即基于出行链的电动汽车充电负荷模型为：步骤3、通过出行链与蒙特卡洛仿真相结合的方法，构建电动汽车充电负荷时‑空分布模型；具体过程为：步骤3.1、设置仿真次数，电动汽车总数量；

步骤3.2、通过随机抽样，为每辆电动汽车分配初始位置N，和初始出行时间T；

步骤3.3、通过出行行为的统计概率分布，抽取其出行目的地n以及出行链级数i，如果出行目的地与初始位置相同，则认为不行驶；若不同，则根据统计概率更新出行链中距离或时间参数，以30min为步长，进行蒙特卡洛仿真，得到并存储各节点在不同时刻所有电动汽车需求的充电负荷，形成节点功率矩阵P；

步骤3.4、判断节点功率矩阵P是否满足蒙特卡洛仿真约束条件，若满足，停止计算，将得到的节点功率矩阵P作为电动汽车充电负荷的时‑空分布特性。

2.根据权利要求1所述一种电动汽车充电负荷时‑空分布计算方法，其特征在于，所述蒙特卡洛仿真约束条件为：达到蒙特卡洛仿真的最大次数；

两次仿真功率矩阵各元素最大差值满足收敛精度，即：

式中，max[·]表示求取矩阵中元素的最大值；Ph表示为第h次仿真后得到的功率矩阵，h是仿真次数，ε是收敛精度。

3.根据权利要求2所述一种电动汽车充电负荷时‑空分布计算方法，其特征在于，步骤

3.3具体过程为：

步骤3.3.1、根据出行统计概率，并根据当前目的地确定出行链级数，及各级出行链中的元素；

其中元素包括出行距离、到达时间，出行时间，停车时间；

步骤3.3.2、判断出行链级数是否大于1，若大于1，执行步骤3.3.(b)；若不大于1，执行步骤3.3.3(a)；

步骤3.3.3、(a)以30min为步长，根据公式(2)至公式(6)计算电动汽车充电负荷，并记录每个节点总充电负荷Pj；

(b)以30min为步长，根据公式(2)至公式(6)计算单级出行链电动汽车充电负荷，并记录每个节点总充电负荷Pj，通过公式(5)计算两级出行链间的初始电量；

步骤3.3.4、判断是否到达终点，若没有到达终点，返回步骤3.3.2；若到达终点，则输出各节点下的总充电负荷Pj。