如今,随着越来越严峻的环境污染和急剧减少的化石能源,作为一种清洁能源交通工具,电动汽车（Electric Vehicles,EVs）逐渐占据汽车市场份额。此外,电动汽车的充电行为具有明显的随机性和时序性,以致大规模电动汽车无序充电给配电网带来压力,亦引起诸如负荷压力、网损加大等一系列问题。基于此提出了电动汽车与电网互动（Vehicle-to-grid,V2G）模式,该模式实现了电能的双向传输。在V2G模式下,当电动汽车电量不足时,从电网获得电能;当电动汽车有富余的电能时,给电网提供电能。V2G技术有助于稳定电网负荷波动。在此背景下,对电动汽车入网做出了如下相关研究,具体如下:（1）首先分析EVs充电因素如EVs分类、充电次数、电池特性等。然后,根据电动汽车行为特性数据拟合得出EVs的日行驶里程、充电开始及结束时刻的概率分布图。最后,由于行驶特性与汽车种类无关,所以电动汽车的行驶规律由燃油汽车代替,通过蒙特卡洛模拟法计算了电动汽车的无序充电负载。结果表明:无序充电造成电网“峰上加峰”。（2）粒子群算法是一种结构简单、可调参数少、信息交互充分的智能优化算法,凭借在处理单目标优化问题时的出色表现,被拓展至多目标优化领域。由此提出了改进的多目标粒子群算法（Multiobjective Particle Swarm Optimization,MOPSO）,该算法不仅被用来解决多目标问题,还作为搜索机制,与各种先进的约束处理技术相结合,处理单目标、多目标约束问题。改进的MOPSO算法主要是通过改变其惯性权重来改变其收敛速度。（3）针对大量电动汽车无序管理接入电网,给电网造成“峰上加峰”的现象发生,提出了考虑分时电价的电动汽车有序充放电方案,从电网侧和用户侧两侧建立数学模型,利用MOPSO算法对该策略进行优化。然后,对比分析了基于该策略下有序充电与基于蒙特卡洛模拟下无序充电对电网的影响,此外还考虑了电动汽车的渗透率对电网的影响。最后,结果表明:该策略可以有效地平抑电网的负荷波动,降低峰谷差,而且峰谷差受电动汽车渗透率影响。（4）针对可再生能源可重复利用,在考虑电动汽车停驶概率及电池损耗成本下,提出了可再生电源与电动汽车协同调度策略。首先,提出了该策略的结构模型。其次,在分时电价策略及V2G模式引导下,建立了风光发电与电动汽车协同优化的多目标调度模型,该模型目标函数是以最小日负荷均方差及用户最小成本。最后,分别采用MOPSO以及多目标遗传算法（Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-II）求解优化问题,优化该控制策略。通过算例对比分析表明,采用MOPSO优化目标函数结果比NSGA-II更优,此外该控制策略不仅能平抑负荷波动,消耗可再生能源,同时能使用户获得受益,V2G技术使双方实现共赢。