随着电动汽车(Electric Vehicle,EV)的广泛应用,大规模EV将成为大功率负荷,若不加以控制地接入配电网,可能会对电力系统的运行管理产生负面影响,如与日常规用电负荷高峰重合,不利于电网的经济运行。考虑到EV充电负荷具有很高的灵活性,本论文针对EV大规模接入电网的建模仿真和优化调度策略进行研究,通过在EV充电站实施计划充电以及利用EV的智能充放电功能对大规模EV进行调度,以缓解电网在日高峰负荷时期受到的EV负荷冲击。首先,根据不同种类EV的充电行为规律,建立一个EV负荷需求计算模型,使用基于数据统计规律的蒙特卡洛抽样方法模拟出大规模EV的充电负荷,以长沙市未来三年的EV发展状况为基础,通过算例仿真获得全天的EV充放电功率-时间曲线及EV充电负荷的相关参数。根据车辆充电信息定义EV充放电裕度,采用决策树方法对大规模EV负荷进行分类,区分出可以参与智能充放电的EV,辨识其他EV应采用的充电模式,并对决策树分类器进行优化,通过算例仿真证明其有效性,为后续研究提供基础。其次,针对大规模EV集群充放电优化控制问题,提出一种分层的EV充放电调度模型。该模型分为两层,在上层的日前调度中,将EV充电站购电问题视作一个势博弈问题,设计一个势函数,对电网发电成本和充电站收益共同优化。并证明该势博弈存在唯一的纳什均衡,且所提出的分布式算法可从任意初始条件收敛到纳什均衡,并通过仿真验证该方法的有效性。在下层的实时调度中,提出一种基于荷电状态(State of Charge,SOC)延伸裕度(Extension Margin,EM)的EV智能充放电控制方法,对通过决策树方法筛选出的可以进行智能充放电的EV群体确定可调度容量,令每时段EV群体的总充电负荷靠近日前调度得出的参考负荷。仿真结果表明,提出的双层充放电优化策略在满足EV充电需求的同时,能够使充电站经济效益增加,并且降低电网峰值负荷,满足了多方面的优化需求。该分层优化的调度策略能够实时操作,适应不同数目的EV调度要求,具有较强的可扩展性。