电动汽车的碳排放较低,近年来受到越来越广泛的推广应用。然而,现阶段大量电动汽车随机接入充电,导致充电需求在时空上分布不均匀,集中表现在电动汽车花大量时间排队等候,导致充电系统效率低。为解决该问题,本文从单一充电选择模式和较为复杂的多充电选择模式两个场景建模分析,并提出对应的调度算法,试图以此减小系统充电消耗的时间,从而提升系统秩序。首先本文考虑提供单一充电选择的调度场景中。在该场景中,本文考虑的优化目标是减小系统充电时间和车辆行驶时间。为解决该问题,本文首先将充电调度决策问题建立成马尔可夫决策序列,该决策序列通过控制电动汽车的行驶路径和充电站选择来实现对电动汽车的高效调度。由于调度系统的决策空间较大,本文使用神经网络近似价值函数,并应用深度强化学习算法对调度决策过程进行求解。仿真实验表明,该调度算法相对于传统调度算法,电动汽车在充电站的充电时间降低33.9%。进一步地,由于部分充电站可以提供多种充电选择,在研究调度策略时,不同充电选择的选择也是减少充电时间的考虑因素。在多充电选择的调度场景中,考虑到不同充电选择的充电成本不同,因此该情景下的调度不仅要最小化充电时间和行驶时间,还应最小化充电成本,并且该场景还考虑到用户集中出行,集中充电导致充电拥塞的现象。为解决以上问题,本文根据用电装载量来制定充电的分时电价,从而调度用户错峰充电;并且,在多种充电选择的场景下,需要借助排队论计算电动汽车在充电站的等候时间,以用于下一步调度的决策中;为了求解建立的调度模型,本文使用多目标优化算法求解多充电选择的调度问题,以降低充电时间和充电成本。仿真实验首先给出一系列的调度决策,该决策中的充电时间和充电成本都满足帕累托最优;其次,仿真实验表明,采取分时电价可以使得用户错峰充电,对比非分时定价情形,系统充电总时间减少了约7.3%,充电总成本减少了约4%。