化石能源的开采与使用过程不仅会导致地球环境的恶化和全球变暖的加剧,也会造成能源短缺等问题,大力推广电动汽车的使用可以说是解决这一问题的非常有效的方法。与使用化石能源做燃料的普通汽车所不同的是,电动汽车是依靠电能运行的,而电能可由水电等可再生能源产生,电动汽车的推广使用能够有效的减少温室气体和有害气体的排放,从而能够有效的缓解环境污染问题。然而,由于电动汽车的充电负荷在时间上和空间上都具有着较大的随机性,因此大规模的电动汽车充电站的充电负荷将会对电网的稳定性造成影响,所以,对电动汽车充电站进行负荷的预测研究具有十分重要的意义。本文基于充电站内部车辆的运行特点提出了充电站的负荷预测模型,并在预测误差分析结果的基础上,通过在站内修建混合储能系统的方式来对误差进行削减消除。具体研究内容分为三个部分:第一是基于WT-LSTM方法进行交通流预测,利用小波分解（WT）将交通流序列分解成不同频率的时间序列,然后采用长短时记忆（LSTM）网络进行预测,最后将预测值进行重构而获得最终的交通流预测值。第二是通过本文所建立的考虑用户行为与容量限制的排队论模型来预测电动汽车充电站的充电负荷,从而将交通流有效地转化为充电负荷。第三则是基于信号处理技术,对混合储能系统的容量进行分配设置,所搭建的混合储能系统将用于对预测误差进行削减消除,该部分的主要实现流程为:首先通过EMD算法对负荷的预测误差进行分解,从而获得其中的不同频率成分,并根据储能装置的不同特性选择不同种类的装置来组成混合储能系统,然后对该系统的容量进行配置。研究结果表明:本文提出的WT-LSTM交通流预测模型与BPNN、SAE、RBFNN、DBN以及单纯LSTM预测方法相比具有更好的预测效果,因此WT-LSTM预测方法是可行的;而基于改进排队论的充电站负荷预测结果与真实负荷数据相比相差不大,证明了本文所使用的负荷建模方法是行之有效的;而电动汽车充电站内的混合储能系统最后所确定的容量配置方案可以对负荷预测误差做到较好地消除处理,因此该容量配置方法是行之有效的。