近年来随着充电基础设施可用性的提高、V2G技术的不断成熟和有利的政策措施激励,使得插电式电动汽车(PEV,plug-in electricity vehicle)的保有量不断增加。而电动汽车充放电具有随机性、间歇性的特点,其大规模接入电网,会给电力系统的安全规划、运行和市场运营带来诸多不利影响,可能引起负荷过载,加剧电力不平衡等问题。但是电动汽车又可作为一种分布式储能,可以通过V2G技术将储存的电能回馈给电网。因此,基于电动汽车的不同充电策略将其接入电力系统后,实现经济、环境等多个目标最优成为了亟需解决的问题。并且该系统的高维度、非线性、多约束和混合整数特征成为优化过程中的必要考虑因素。因此本文将机组状态和PEV充放电负荷量作为调度对象,改善PEV负荷对电力系统的影响,并实现经济性、环境性和电动汽车用户的满意度等目标函数的优化。首先针对不同场景下的充电策略和系统特点,对传统机组组合模型进行改进,建立新的数学模型;提出二进制竞争群优化算法(BCSO)和并行优化算法框架,降低发电成本;设计充电权重因子,探究需求侧负荷和不可调度负荷的比例关系对系统的影响,实现“削峰填谷”的效果;通过实验分析选择求解多目标优化问题的适用算法,并设计决策方案针对不同场景来选择合适的调度参考方案。具体内容如下:(1)本文结合电动汽车的不同充电策略和负荷分配场景,在传统机组组合模型的基础上,提出基于PEV充电策略的单目标优化模型和基于PEV充放电策略的多目标优化模型。同时为了实现单目标模型中的二进制优化,在CSO算法的基础上结合二进制策略,提出BCSO算法并进行应用,对算法性能进行验证。(2)本文在考虑PEV采用充电策略时,根据不同场景下的负荷调度需求不同,设计充电权重因子将充电负荷分为需求侧负荷和不可调度负荷,并针对两者之间的不同比例关系对系统可能带来的影响进行探讨。考虑到该情况下的混合编码问题,提出并行优化算法框架对接入不同规模充电负荷的机组组合问题进行优化。有效的实现了“削峰填谷”的作用,节省经济成本的同时减小电动汽车负荷对系统的影响。(3)本文中考虑到用户对调度后的电动汽车负荷充电自由度是否满意的问题,提出了充电偏差函数,并与传统机组组合多目标优化问题结合形成新的超多目标求解问题。由于该模型下的多个目标具有强互斥性的特点,采用常见的MOEA/D、NSGA-II和NSGA-III算法对该多目标问题进行优化,通过实验对比选择出适合求解该问题的算法。(4)最后针对实际工程问题中电力系统的经济性、环境性等评价指标,以及用户的不同需求,根据归一化和加权函数和的方法设计决策方案,从上述算法得到的帕累托前沿中进行选择,为决策者提供最合适的参考方案。