电动出租车充电具有高度的随机性，在负荷预测过程中缺乏合理的充电行为准则。针对这一问题，提出了一种基于强化学习的电动出租车充电负荷预测方法。首先，基于交通领域的引力模型，计算了城市交通小区的出租车需求，建立了电动出租车出行时空行为的概率模型。然后，综合反映时间、空间和电力要素，定义强化学习状态空间，构建基于单位时间净收入和单位电力净成本的奖励价值函数，并利用强化学习形成合理的收费标准。最后，利用蒙特卡洛法模拟了大量出租车的行驶和充电行为，并计算了充电负荷。实例分析表明，驾驶员的平均日收入通过强化学习趋于优化，这与实际驾驶员不断积累经验、形成合理充电习惯的过程类似。可以有效地反映时间、空间和电量对充电决策的综合影响。