1.一种电动汽车有序充放电多目标优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电动汽车有序充放电多目标优化调度方法，其特征在于，所述电动汽车的充电特性包括电动汽车的出行时刻、返回时刻及日行驶里程的概率密度分布、电动汽车的充电时长、充电车辆的充电总功率、以及电动汽车具体充/放电时长与soc之间的关系。
3.根据权利要求2所述的电动汽车有序充放电多目标优化调度方法，其特征在于，所述电动汽车的出行时刻的概率密度分布表示为：
4.根据权利要求2所述的电动汽车有序充放电多目标优化调度方法，其特征在于，所述电动汽车的充电时长表示为：其中，t为电动汽车的充电时长，e100为电动汽车的百公里耗电量，d表示电动汽车的行驶距离，ηc表示电动汽车的充电效率；
5.根据权利要求2所述的电动汽车有序充放电多目标优化调度方法，其特征在于，所述充电车辆的充电总功率表示为：其中，pev为充电车辆的充电总功率，pevt为第t个时段的充电车辆的总充电功率；n为电动汽车的总数量；pi,t为第i辆电动汽车在第t个时段的充电功率。
6.根据权利要求2所述的电动汽车有序充放电多目标优化调度方法，其特征在于，所述电动汽车具体充/放电时长与soc之间的关系表示为：其中，tc为电动汽车的充电时间，td为电动汽车的放电时间，socen,c和socen,d分别表示充电结束时的电荷状态和放电结束时的电荷状态；socst,c和socst,d分别表示充电开始时的电荷状态和放电开始时的电荷状态；pc为充电功率，pd为放电功率，η为充放电效率，br为电池容量。
7.根据权利要求1所述的电动汽车有序充放电多目标优化调度方法，其特征在于，所述v2g场景下电动汽车有序充放电的多目标优化模型的目标函数为其中，minf1表示电网负荷标准差最小的目标函数，minf2表示用户总充电费用最小的目标函数，m为参与调度的电动汽车数量，lt为第t个时段的基础负荷，pev表示电动汽车的充/放电功率，xtm为第m辆电动汽车在第t个时段的充放电状态，lmean为总负荷平均值，pt为第t个时段的单位电价。
8.根据权利要求1所述的电动汽车有序充放电多目标优化调度方法，其特征在于，所述v2g场景下电动汽车有序充放电的多目标优化模型的约束条件包括：
9.根据权利要求1所述的电动汽车有序充放电多目标优化调度方法，其特征在于，所述非线性动态自适应惯性权重因子的粒子群算法中第t′代种群的惯性权重因子ω(t′)的计算方式为：ωmax和ωmin分别表示最大惯性权重和最小惯性权重，t′表示当前迭代次数，t表示最大迭代次数，k(t′)为种群进化离散度参数，即为第t′代种群与第t′-1代种群的适应度值标准差的比值，b为阻尼因子。
10.一种电动汽车有序充放电多目标优化调度装置，其特征在于，包括：
11.根据权利要求10所述的电动汽车有序充放电多目标优化调度装置，其特征在于，所述电动汽车的充电特性包括电动汽车的出行时刻、返回时刻及日行驶里程的概率密度分布、电动汽车的充电时长、充电车辆的充电总功率、以及电动汽车具体充/放电时长与soc之间的关系。
12.根据权利要求11所述的电动汽车有序充放电多目标优化调度装置，其特征在于，所述电动汽车的出行时刻的概率密度分布表示为：
13.根据权利要求11所述的电动汽车有序充放电多目标优化调度装置，其特征在于，所述电动汽车的充电时长表示为：其中，t为电动汽车的充电时长，e100为电动汽车的百公里耗电量，d表示电动汽车的行驶距离，ηc表示电动汽车的充电效率；
14.根据权利要求11所述的电动汽车有序充放电多目标优化调度装置，其特征在于，所述充电车辆的充电总功率表示为：其中，pev为充电车辆的充电总功率，pevt为第t个时段的充电车辆的总充电功率；n为电动汽车的总数量；pi,t为第i辆电动汽车在第t个时段的充电功率。
15.根据权利要求11所述的电动汽车有序充放电多目标优化调度装置，其特征在于，所述电动汽车具体充/放电时长与soc之间的关系表示为：其中，tc为电动汽车的充电时间，td为电动汽车的放电时间，socen,c和socen,d分别表示充电结束时的电荷状态和放电结束时的电荷状态；socst,c和socst,d分别表示充电开始时的电荷状态和放电开始时的电荷状态；pc为充电功率，pd为放电功率，η为充放电效率，br为电池容量。
16.根据权利要求10所述的电动汽车有序充放电多目标优化调度装置，其特征在于，所述建立模块建立的v2g场景下电动汽车有序充放电的多目标优化模型的目标函数为其中，minf1表示电网负荷标准差最小的目标函数，minf2表示用户总充电费用最小的目标函数，m为参与调度的电动汽车数量，lt为第t个时段的基础负荷，pev表示电动汽车的充/放电功率，xtm为第m辆电动汽车在第t个时段的充放电状态，lmean为总负荷平均值，pt为第t个时段的单位电价。
17.根据权利要求10所述的电动汽车有序充放电多目标优化调度装置，其特征在于，所述建立模块建立的v2g场景下电动汽车有序充放电的多目标优化模型的约束条件包括：电池soc的约束：当soccar＜0.2时，soc的约束为：soccar≤soc≤1；当soccar＞0.2时，soc的约束为：0.2≤soc≤1，其中，soccar为电动汽车到家时的电荷状态；
18.根据权利要求10所述的电动汽车有序充放电多目标优化调度装置，其特征在于，所述调度模块采用的非线性动态自适应惯性权重因子的粒子群算法中第t′代种群的惯性权重因子ω(t′)的计算方式为：ωmax和ωmin分别表示最大惯性权重和最小惯性权重，t′表示当前迭代次数，t表示最大迭代次数，k(t′)为种群进化离散度参数，即为第t′代种群与第t′-1代种群的适应度值标准差的比值，b为阻尼因子。
19.一种电子设备，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9中任一所述电动汽车有序充放电多目标优化调度方法的步骤。
20.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9中任一所述电动汽车有序充放电多目标优化调度方法的步骤。