目前,我国的电动汽车普及度越来越高,并有持续高速增长的态势。大规模的电动汽车入网会对电网产生一定的消极影响。另一方面,近些年我国的新能源发电产业也得到了迅速发展,但弃风弃光现象仍层出不穷。研究如何引导电动汽车用户有序充电和参与双向充电也即“车辆到电网”,减缓电动汽车入网对电网产生的冲击,并通过电动汽车这一灵活的分布式储能资源消纳光伏发电是很有必要的。针对上述问题,本文提出了从价格制定到实时调度的完整解决方案,主要研究工作涉及以下四个方面:第一,研究光伏出力的预测方法。首先分析了已有的光伏出力预测方法的优势及适用场景,简要介绍了光伏出力的预测原理。然后定性分析了光伏出力的影响因素,并将温度、风速和湿度作为本文主要考虑的因素。接下来提出了气象模式的概念,并通过基于密度的聚类算法求取气象模式,作为光伏出力预测的参考。最后考虑到传统BP（back propagation）神经网络等人工智能算法的缺陷,引入极限学习机对光伏出力的相关历史数据进行训练学习,得到不同气象模式的光伏出力的神经网络模型。本文通过这种直接预测与间接预测相结合的方法实现光伏出力的有效预测。第二,研究电动汽车用户的需求响应行为。首先简要介绍了电力系统需求响应的概念及类别,指出适用于电动汽车用户的是价格响应。然后分析了各类电动汽车用户的驾驶规律,进而确定本文的主要研究对象为私家车用户。最后提出了基于离散吸引力的电动汽车用户价格响应模型。模型将用电负荷的比例视为电能的市场份额,提出了吸引力权重、时段影响因子和价格影响因子以计及影响用户响应的多种因素,并通过多项Logit模型量化电价的吸引力,进而量化价格对电动汽车用户充电选择的影响,为价格的优化提供了基础。第三,建立了考虑光伏的电动汽车双向充电双层优化调度模型。上层模型在考虑光伏发电的基础上,以充电价格为手段,基于用户的价格响应行为,优化电价以引导用户改变充电行为。针对上层模型的多维非线性带约束优化问题,引入罚函数予以求解。下层模型则是在上层模型的基础上,考虑到车辆入网的随机性,对车辆进行分时段的局部充电状态优化,精细地调整入网车辆的充放电行为。第四,算例分析表明本文对光伏出力影响因素的定性分析是正确的,提出的光伏出力的预测方法能够实现光伏出力预测的功能,建立的电动汽车双向充电双层优化调度模型具有一定的合理性和有效性。