随着人们对环境和能源问题关注度的提高,电动汽车的发展越来越受到重视。电动汽车凭借其高效、节能、环保的优势成为汽车行业发展的主流趋势,利用电动汽车来代替传统能源汽车可以减少环境污染、缓解能源危机等问题。电动汽车的大规模投入使用,会给电网的经济和安全上带来各种各样的问题。所以,研究电动汽车能源需求响应问题是非常有意义的。本文主要研究投影神经网络算法在电动汽车能源需求响应中的应用,投影神经网络算法是一类含有投影算子,并用于求解最优化问题和变分不等式问题的泛函微分方程,本文建立含有约束的电力成本优化模型,并将原始问题转化成投影神经网络问题,主要研究内容包括:1、从家庭住宅的角度出发,考虑电网中的成本优化模型,根据现有电力能源的使用情况,构建适用于解决家庭能源使用的需求响应模型,对家庭中的电动汽车的用电情况进行调整,可以降低用户的成本;其次,从电网角度考虑,在不影响家庭用户正常使用家用电器的前提下,调整电力系统中发电机的发电方案,可以降低电网的发电成本,防止电力设备的损坏。该问题模型分为两层结构,分别使用一阶集中式算法和二阶连续时间算法对该模型进行求解。在两个算法中,都结合了投影神经网络算法,先对原始问题的不等式约束使用惩罚函数进行处理,将原始问题转化为只含边界约束的问题,然后在算法中使用投影算子对边界约束进行了处理,使得仿真过程中,优化变量的值都处于可行域内;最后,通过实验仿真,验证所用算法的有效性和可行性。2、提出了一种适用于家庭负荷的非凸混合整数规划电力模型,该模型分为基本负荷和电动汽车。利用该模型可以根据实时价格信息调整电动汽车的充电和放电策略,在不影响家庭基本电器使用的前提下将电费降至最低。为了得到该模型的最优解,使用了一种结合反馈神经网络和惯性投影神经子网的集中式神经动力学优化算法,惯性投影神经网络在经典投影神经网络的基础上,设计成了一个二阶的算法,加入了惯性因子,该算法在求解非凸问题时,通过对惯性因子进行迭代,可得到不同的局部最优解。在该算法中,将反馈神经网络作为子网络来找到精确的局部最优点,而惯性投影神经子网络可以通过调整惯性因子在全局范围内来搜索不同的局部最优点,通过数据对比找出更好的局部最优解。仿真结果的性能评估可以证明所提算法的有效性和可行性。