电动汽车（Electric Vehicle,EV）的广泛应用是促进低碳社会节能减排的关键手段之一,随着EV产业激励政策的实施和EV电池技术的突破,EV保有量出现快速增长。一方面,EV规模化充电行为将对电网运行造成不可忽视的负面影响,如加剧负荷峰谷差、产生谐波、增加网络损耗等;另一方面,EV对电网而言属于柔性可控负荷,若能合理规划EV充电设施,制定EV有序充电策略,则在车网互动环境下可改变EV负荷的时空分布,进而保障电网的安全经济运行。为此,本文针对EV充电设施规划和EV负荷调度控制涉及的关键问题展开研究,从如何精确地计算EV充电负荷分布着手,研究车-路-网耦合下的充电站动态拓展规划方法,在此基础上制定充电站与共享充电桩协同的EV调度策略,进而制定考虑用户偏好的EV多目标调度策略,以达到优化EV充电服务、提高充电设施运营经济效益、维护电网稳定运行的目的。本文的主要研究工作如下:（1）针对基于概率模型驱动的传统EV负荷计算方法其计算效率低、求解精度差、算法相对保守等问题,提出了基于数据驱动的EV负荷计算方法。该方法综合考虑EV电池特性、出行特性、以及充电特性等因素,构建了单台EV负荷计算模型;利用深度卷积神经网络对EV用户特征数据进行特征提取分析,建立了EV用户特征和EV出行特性之间的非线性映射关系,并将映射求得的出行数据导入EV负荷计算模型,实现计及用户特征的EV负荷高精度计算。所提方法有效提高了EV负荷计算的求解效率和准确度,避免了传统方法因考虑数据特征差异需对EV负荷计算模型不断修正使其复杂化的问题。（2）针对充电站规划中电力网络和交通网络的交互耦合问题、运营周期内各阶段成本支出问题以及EV增长率随机不确定性问题,提出了车-路-网耦合下的充电站全寿命周期动态规划方法。该方法根据车-路-网耦合关系对充电站候选站址筛选及定容,获取充电站候选规划方案集合;构建了基于全寿命周期成本的充电站静态规划模型;在此基础上,构建了计及EV增长率不确定性的充电站动态规划模型,并通过场景分析将计及EV增长率不确定性的随机规划问题转化为相应的确定性规划问题;提出了基于H?门的量子遗传改进算法,实现规划模型的高效求解。所提方法在耦合复杂交通网络和配电网络的基础上定性区分了全寿命周期内充电站各成本构成以及资金的时间价值,体现了流动性与收益性的统一,对提高充电站经济效益效果明显,且该方法能反应各阶段EV增长率不确定性对充电站规划方案的影响,解决了不确定性影响下的充电站动态拓展规划难题。（3）针对规划后的充电站建站容量与EV短时充电需求不匹配导致的充电缺口问题,提出了一种基于广义纳什博弈的EV共享充电调度策略。该策略搭建了基于广义纳什博弈的充电桩共享模型,共享模型将共享容量优化问题转化为计及容量耦合约束的广义纳什均衡问题,根据变分不等式对广义纳什均衡解的存在性及唯一性进行了证明,并利用光滑牛顿法获取达到广义纳什均衡时的充电桩最优共享方案;构建了充电站和共享充电桩协同的EV分层调度模型,分层分区优化每一辆EV的充电时间和位置;提出了具有动态反馈机制的量子粒子群改进算法,通过自适应调整压缩-扩张因子系数实现对EV分层调度方案的寻优。所提策略通过补充私人共享充电桩解决了充电站在EV负荷高峰期存在的充电缺口问题,在不需对充电站频繁扩容的前提下实现了充电设施和EV负荷的最优匹配,避免了EV集中充电引起的潮流安全问题,且在保证收敛精度的同时显著提高了调度策略的求解效率。（4）针对EV共享充电调度策略没有考虑用户侧利益诉求,致使用户实际充电决策与电网调度方案不一致产生的调度偏差问题,提出了考虑用户风险偏好的EV多目标调度策略。该策略提出了基于集成聚类的EV用户风险偏好类型判定方法,通过多种聚类方法分别对EV用户的风险偏好数据聚类,实现EV用户风险偏好类型的初次判定,进而基于集成学习的理念将各聚类结果集成判定,最终确定EV用户的风险偏好类型;依据行为经济学对不同EV用户风险偏好类型的充电决策选择标准进行建模,构建了EV用户激进型、保守型和平衡型三种充电决策选择模型,各EV用户根据自身的风险偏好类型、充电需求、电池荷电状态、分时电价等条件做出充电决策,确定是否接受电网调度并选择相应的充电模式;构建了考虑用户风险偏好的EV多目标调度模型,使EV用户获益的同时保障配电网的稳定运行。所提策略在满足用户侧和电网侧利益诉求的前提下,降低了EV用户实际充电决策违背电网理想调度方案时产生的调度偏差,使实际调度效果与理想调度效果趋于一致。