经济调度从本质上来说是最优化的求解问题,是指在满足相关约束条件的情况下,通过调度机组出力使模型目标函数得到满足。而随着可再生能源和电动汽车的发展,经济调度模型不再局限于传统的火电机组,经济调度问题有了新的发展。与此同时若考虑风能和电动汽车等多种因素的加入,经济调度模型中仅含有单目标已经不能符合实际所求,因此,研究电网背景下的多目标经济调度模型具有十分重要的意义。本文针对电网背景下的多目标经济调度问题,分析了风能和电动汽车接入电网对经济调度问题带来的影响。并提出了一种基于Pareto最优的改进骨干粒子群算法,并利用该算法对含风电和电动汽车的电网多目标经济调度模型进行求解。具体工作如下:（1）针对风电的随机性、波动性、风速及风电功率预测难度大等问题,本文研究了风速与风电机组出力之间的关系并引出了常用的风电功率预测模型。针对电动汽车接入电网带来的影响,本文主要从电网的运行和电能质量等几方面进行研究并给出了含电动汽车的经济调度模型。（2）提出了一种基于Pareto最优的改进骨干粒子群算法。由于骨干粒子群算法存在着容易陷入局部最优的缺点,所以本文考虑将遗传算法中的交叉和变异这两步骤操作带入到骨干粒子群算法中对其进行改进并用以解决上述存在的问题。然后将其与多目标求解方式Pareto相结合,得到一种基于Pareto最优的改进骨干粒子群算法。并将该算法与经典的多目标优化算法NSGA-II相比较,从得出的最优Pareto前沿中可以看出,本文所提出算法的非支配解分布的范围更广、更均匀,同时在寻找最优解时非支配解的多样性仍能保持原样。（3）建立了以发电机组的发电成本、污染物排放量、车主有序充放电成本为目标函数的多目标经济调度模型。为了使降低成本、减少污染物排放以及实现协调调度等目标更好的被实现,本文在系统能够满足功率平衡以及电动汽车日常出行的相关约束条件下,建立了同时包含风电和电动汽车的经济调度模型。并以IEEE39节点系统为基础,利用本文提出的基于Pareto最优的改进骨干粒子群算法,对模型进行MATLAB仿真分析。通过仿真结果可以得出本文提出的研究方案可以降低电网的发电运行成本以及减少环境污染,很好的解决含风能和电动汽车的经济调度问题。