时下传统的电力系统正处于历史性转变的关键阶段,向着更为环保、更为可持续、更为鲁棒、更为可靠和更为自愈的智能电网发展演化。广义的智能电网是在传统电网的基础上融入先进的感知、通信、计算和控制技术,从而:(a)接纳更多分布式能源,如新能源发电、储能、电动汽车等;(b)激发和调动负荷侧参与电网运行管理的能力;(c)实现分布式控制框架强化电网的稳定运行;(d)具备故障情况下的自适应和自愈能力。作为最典型的信息物理系统(Cyber-Physical System,CPS)之一,智能电网已经成为学术界和工业界高度重视的研究对象。电动汽车(Electric Vehicle,EV)作为智能电网的核心内容之一,不仅在交通层面实现零污染零排放,还兼具负荷和储能的特性,可以对电力系统的运行起到重要辅助作用,如消纳新能源发电、需求侧响应、调频控制等。此外,电动汽车也是沟通另一个常见信息物理系统——交通网络的纽带桥梁,利用其可移动、可充放的能量载体特性,将两大系统紧密地耦合在一起。目前关于电动汽车的研究主要围绕在发掘其充电灵活性上,基于电动汽车作为通勤交通工具的使用情况,大量现有工作利用其相对宽裕的充电时间开展充电调度,从而实现个体/系统效用的提升。然而,里程焦虑和长时间的充电等待依旧掣肘着电动汽车的发展,在电池技术取得突破性进展之前,关于电动汽车的新商业运行模式探讨也是时下关注的热点。更换电池模式,简称换电模式,是目前除了充电模式之外最有前景的一种新型电动汽车能量恢复方式,并已经局部投入应用。顾名思义,换电模式是指用一个满充电池替换电动汽车中行将耗尽的电池,从而在短时间内恢复电动汽车的能量。这种方法实现了电池充电过程与电动汽车运行的解耦,理论上解决了里程焦虑的问题。然而实际中诸多复杂因素给换电模式的应用带来了严峻的挑战,例如电池插拔过程中的机械磨损、充电与换电的协同运行以及换电站的电池储备等问题。其中时下一个亟待解决的困境是电动汽车保有量爆炸式增长和配套设施换电站建设缓慢之间的矛盾。换电模式固然高效,但是当满充电池无法及时供应时反而会造成电动汽车在换电站的拥堵和长时间等待,大大降低系统整体的效率。本文针对当前换电站服务能力受限的情况,综合考虑电力系统和交通系统的影响,结合多个实际场景对电动汽车换电调度进行了理论研究,旨在解决目前换电模式实践中最突出的两个实际问题。本文的主要内容和贡献可以概括为以下五个方面:1.介绍了智能电网背景下电动汽车的发展、研究现状,以及换电模式的前景、实际应用中所面临的困难挑战和优化调度的必要性。2.研究了考虑换电站拥堵的换电调度问题。我们综合考虑电动汽车行驶时间和距离等交通因素,建立了一个离散时槽的换电站指派模型,该模型反映了指派对换电站拥堵程度跨时槽的影响。我们站在系统的角度,针对每一个时槽中有换电需求的电动汽车进行最优的换电站指派,力求最小化电动汽车总行驶成本和换电站总拥堵程度的权重和。尽管该问题是一个带有非线性时空耦合的0-1规划问题,但是我们证明它可以转化为标准的最小权重完美双边匹配(Minimum Weight Perfect Bipartite Matching)问题,从而能够基于标准匈牙利算法在多项式时间内求解。3.拓展了上述的换电站指派模型至更实际的连续时域在线调度场景中。我们假设电动汽车在其电量较低时会向系统发送换电请求,系统根据请求车辆的实时位置以及换电站的满充电池供应情况即时做出换电站指派的回复,目标同样是争取最小化电动汽车总行驶成本和换电站总拥堵程度的权重和。在该实际场景下,我们基于上述的双边匹配方法设计了一个简单高效的在线换电站指派算法,并证明该算法能够在温和条件下实现理论上的最优竞争比。4.研究了考虑电网运行的换电调度问题。我们希望通过协调换电使电动汽车尽可能高效地利用系统内目前已有的满充电池,并且同时协同优化配电网的运行。由于换电站指派不仅决定了电动汽车的行驶距离,还同时会对配电网的潮流产生重大影响,因此我们旨在同时调度换电站指派和优化潮流变量以最小化电动汽车行驶成本(行驶距离)和配电网发电成本的权重和,同时满足电动汽车可行驶里程约束、电网的运行约束和交流(Alternating Current,AC)潮流方程。该联合换电调度和最优潮流(Optimal Power Flow,OPF)问题计算求解上存在两个难点:交流潮流方程的非线性和换电站指派的离散性。我们基于最优潮流问题的二阶锥松驰(Second-Order Cone Programming,SOCP)和广义Benders分解算法设计了一种高效的集中式解法,该解法能够直接求取全局最优解,适用于配电网、换电站和电动汽车统一管理的情况。5.拓展了上述的联合换电调度和最优潮流问题至更一般化的分布式场景中。集中式解法并不适用于未来去中心化的商业模式:配电网归电力公司所有,换电站由专员运营,电动汽车可能归个体司机或者集体(如出租车公司)所有。因此我们提出两种分别基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)和对偶分解设计的分布式框架,在这两种框架下不同的个体独立做决策且通过不涉及隐私的信息交互来共同解决全局问题。我们的分布式解法能够有效保护隐私信息因而更适用于一般化的场景。最后本文对整体工作进行了总结,并展望了可拓展的研究方向。