随着电动汽车的快速普及以及分布式可再生清洁能源发电利用率的提升,大量电动汽车随机充电与新能源并网将大大降低电网的稳定性与经济性。虚拟电厂（virtual power plant,VPP）具有将分布式能源整合调度的功能特性,电动汽车作为一种储能装置可以参与到虚拟电厂的调度之中,电动汽车参与有序充电将提升系统整体的经济性和可再生能源的利用率。在此背景下,主要完成了以下研究工作:本文主要从两个方面进行研究,一方面是对源荷两侧预测方法的研究。负荷侧预测主要对电动汽车充电负荷进行研究,考虑了两种场景。针对有历史数据的居民小区,建立了双层LSTM预测模型;针对无历史数据的电动汽车聚合场景,采用蒙特卡洛模拟方法进行负荷预测。发电侧主要研究风电功率预测,针对BP算法易于陷入局部最小值的问题,构建了基于遗传算法优化的BP神经网络预测模型。分别通过设置仿真验证了本文所提出预测模型的准确性。第二方面,考虑电动汽车参与的虚拟电厂的经济调度问题。首先研究了对电动汽车的直接调控型策略,建立了一个包含风电机组、燃气轮机组、电动汽车的虚拟电厂,同时以虚拟电厂可调度时段内成本最小为目标,构建了包含多种约束条件的优化调度模型,通过MATLAB/CPLEX求解证明所提策略能有效降低含电动汽车虚拟电厂的成本。其次研究了分时电价机制影响下的电动汽车调控策略,进一步考虑了电网稳定性指标,建立了一个含风电机组、燃气轮机、柴油机、用户需求响应、电动汽车的虚拟电厂,以系统运行成本最小及系统联合出力波动最小为目标构建了调度模型,并采用自适应混沌粒子群算法求解,通过仿真证明了模型可有效降低运行成本并提高系统稳定性。