随着全球化石能源存有量不断减少,能源危机也日益严重。电动汽车作为一种有效的缓解措施因其具有显著的优势,诸如高效、节能、低噪声和零排放等而被广泛关注。未来大规模的电动汽车投入使用也已经成为一种趋势。然而大规模电动汽车的接入会给电网的运行调度带来不小的挑战,如果未加妥善处理甚至会影响到电力系统的安全稳定运行。而电动出租车在众多电动汽车车型中行驶密度最高、行为特性最为复杂,其充电特性也最能代表电动汽车的充电特性,因此研究电动出租车的充电特性具有重要意义。首先,本文基于多代理技术在JADE平台上搭建了包含了电动出租车代理、电网代理、充电站代理等八种代理的多代理电动出租车运营仿真系统,并对每种代理模型功能以及代理间的交互过程进行了详细的介绍。根据不同类型代理的特点划分了多个模块,并将其分布在不同的宿主机上运行,实现电动出租车运营的分布式仿真。针对充电站代理,本文基于排队理论设计了考虑客源到达时间分布和充电时间分布的充电站M/M/c/N/∞排队模型,并加入了考虑充电负荷空间分布的充电引导策略。其次,在综合对比了几种主流学习算法后,本文引入Q_λ学习算法并对电动出租车的行为决策进行学习模型建立,包括对电动出租车状态空间、行为决策空间、行为策略选择及其概率更新和奖惩函数几个角度的强化学习算法模型建立。通过仿真对学习算法效果进行验证,并在此基础上研究了充电引导策略的有效性。结果显示,引入充电引导策略有助于平衡电动出租车充电负荷的空间分布,同时在提高电动出租车车主收益、减少日均排队时间上都有满意的表现。最后,本文对充电站选址定容方案进行了研究。基于本文所搭建的多代理仿真系统,分析比较了通过加建充电站、改变充电站位置和改变充电站容量三种方案下对电动出租车充电负荷空间分布、充电排队时间和充电寻站距离的影响。为充电站在选址定容实验方法提供了新的实用性方法。