近年来,随着电力市场的开放和能源互联网的发展,大量分布式能源设备逐渐参与到电力市场的运行。电动汽车（EV,Electric Vehicle）作为其中一类特殊的负荷,存在充电时间、空间及行为的随机不确定性,大规模EV无序接入电网可能导致电网负荷波动过大,并危害电网的安全运行。充电站作为EV接入电网的主要场所,通过对充电站负荷实时变化进行预测可有效规避电网风险。同时,基于V2G（Vehicle to Grid）技术,EV可向电网放电以调节负荷变化,并通过采取合理的V2G电价激励措施,优化EV负荷分布,以保障电网运行的稳定性。本文主要对多充电站协同负荷预测及V2G定价策略进行了研究,旨在降低EV群体接入电网所造成的不良影响,促进电网与EV的协调发展。研究工作总结如下:1.提出了基于图神经网络（GNN）的多充电站协同负荷预测模型（MCSCLF）。根据多充电站的负荷时空信息,引入迭代图结构学习方法,挖掘多充电站间负荷隐式关联并生成图结构,将离散的负荷序列数据转化为图数据,从而可利用GNN进行多充电站的协同负荷预测。首先设计了基于图卷积神经网络（GCN）及时序卷积网络（TCN）的特征提取模块,提取多充电站负荷变化的时空间特征。接着为实现图结构学习模块及时空特征提取模块的联合训练,构建了联合损失函数,实现端到端模式的负荷预测。2.为激励EV群体参与电网负荷调节,设计了基于市场交易模型及两级拍卖机制的V2G定价策略。首先对电网、代理商、EV分别建立了交易模型,描述各市场主体行为并对其成本和收益进行分析。接着构建了电网与代理商、代理商与EV之间的两级拍卖机制,调度EV有序充放电从而参与电网的负荷调节。最后利用最优求解算法中的MOEA/D法求解最优电价,实现电网、代理商、EV三方的均衡利益分配。3.为保障V2G市场交易的安全性、公平性,考虑区块链平台所具有的不可窜改、可追溯等优点,构建了基于分层区块链架构的V2G交易系统。该交易系统自底向上包括数据区块链层、运营区块链层及交易区块链层,分别实现数据存取、智能合约运营、交易执行的功能,从而实现V2G市场在区块链上的自动化运营。最后,分别对MCSCLF模型、V2G定价策略、V2G交易系统进行了实验验证及分析。基于深圳市公共充电站负荷数据构建数据集,选取LSTM、MLP作为基准模型进行对比分析,验证了MCSCLF模型的精度和效率。设计了基于元胞自动机的区块链上V2G交易系统仿真实验平台,对比交易过程中电网负荷变化,结果显示所设计的V2G定价策略可有效激励EV有序充放电,达到“削峰填谷”的目的,有效地提高了整个V2G交易过程的效率。