1.一种基于动态电价的电动汽车充放电调度方法，其特征在于：包括以下步骤：S1、采用蒙特卡洛方法建立V2G背景下电动汽车充电需求、电动汽车放电容量、电动汽车可调度时间三部分模型；

S2、建立基于长短期记忆神经网络模型的动态电价输出模型；

S3、基于动态电价下的每辆电动汽车充放电成本函数和电网负荷峰谷差函数建立目标函数；

S4、确立目标函数的约束条件；

S5、采用通过引入电价补贴的方法改进非线性规划算法；基于神经网络输出的动态电价，在S4中的约束条件下对电动汽车进行充放电规划，获得充放电费用、补贴电价费用、电网负荷峰谷差；再次蒙特卡洛获得新的充电需求和放电容量；

S5中，改进的非线性规划算法是在非线性规划算法中引入了补贴电价的含义，即在调度过程中，若相关时刻的电价差值均小于Δr时，则对这些时刻的充放电功率重新分配，其本质是引入了一个新的约束，即当满足|rcx‑rcy|≤Δr时，得：Px,Py,···,Pz≤Per

其中，rcx,rcy分别为x,y时刻的充放电电价，Δr为补贴电价启用条件；Px,Py,...Pz为可重新分配时间段充放电功率，Per为他们的平均功率；

S6、将补贴电价、电网负荷峰谷差作为损失函数，对长短期记忆神经网络的权重参数进行更新；将S5获得的新的总体电动汽车充电需求和放电容量作为长短期记忆神经网络的新输入，整体构成一个滚动的优化模型，最终在使电网负荷削峰填谷的同时降低了电动汽车的充放电成本，使电动汽车的充放电费用最低。

2.根据权利要求1所述的基于动态电价的电动汽车充放电调度方法，其特征在于：S1中，电动汽车充放电时间中，电动汽车返回时间Tb，服从正态分布，概率密度函数为：其中，μb＝17.47,σb＝3.41；

电动汽车最早离家时间Tl，服从正态分布，概率密度函数为：

其中，μl＝8.92,σl＝3.24；

电动汽车的充电需求函数为：

电动汽车放电容量为：

Qn＝Q‑ΔQ‑0.1·Q

其中，Ld为电动汽车行驶里程，Km为电动汽车每公里耗费电量，Q为电动汽车电池总容量，Qn为电动汽车可放电容量，ΔQ为电动汽车的充电需求。

3.根据权利要求1所述的基于动态电价的电动汽车充放电调度方法，其特征在于：S2中，动态电价输出模型的输入包括电动汽车充电需求、放电容量、电网基础负荷和大电网电价；对于电动汽车充放电的引导可以采用电价激励的方式，采用长短期记忆神经网络的方法制定合适的电价从而引导电动汽车参与V2G；

长短期记忆神经网络结构如下式：

ft＝σ(Wfht‑1+Ufxt+bf)

it＝σ(Wiht‑1+Uixt+bi)

ot＝σ(Woht‑1+Uoxt+bo)

yt＝σ(Vht+by)

其中，σ表示Sigmoid激活函数；Tanh表示Tanh激活函数；xt为t时刻隐藏层的输入量，ht‑1为t‑1时刻隐藏层的输出量；ft为t时刻遗忘门的控制量；it为输入门控制量；Ot为输出门控制量；Ct‑1为t‑1时刻隐藏层细胞状态； 为t时刻输入信息向量；Wf为上一时刻输出到遗忘门的权重；Wi为上一时刻输出到输入门第一部分的权重；Wc为上一时刻输出到输入门第二部分的权重；Wo为上一时刻输出到输出门的权重；Uf为输入到遗忘门的权重；Ui为输入到输入门第一部分的权重；Uc为输入到输入门第二部分的权重；Uo为输入到输出门的权重。

4.根据权利要求1所述的基于动态电价的电动汽车充放电调度方法，其特征在于：S3中，电网总体负荷包括电网基础负荷，电动汽车充放电负荷两部分，具体表达式如下：电网负荷峰谷差函数Δf最小化表达为：

minΔf＝max(f0,f1,f2···f21,f22,f23)‑min(f0,f1,f2···f21,f22,f23)其中，fj为j时段电网总负荷，j＝0,1,2,3...21,22,23；fj,base为j时刻电网基础负荷，Pcij为第i辆电动汽车在j时刻的充电功率，Pdij为第i辆电动汽车在j时刻的放电功率，n为电动汽车总数；

目标函数为电动汽车充放成本函数Ri最小化，表达为：

其中，Tib为第i辆电动汽车返回时间；Til为第i辆电动汽车离开时间；Pcit和Pdit为第i辆电动汽车在t时刻电动汽车的充电功率和放电功率；rct为聚合商制定的t时刻充电电价；rdt为聚合商制定的t时刻放电电价；ait为第i辆电动汽车充放电状态，当ait＝1时电动汽车充电，ait＝‑1时电动汽车放电，ait＝0时电动汽车处于静置状态，既不充电也不放电，Rc为电池损耗；

目标函数采用非线性规划算法处理，在非线性规划部分的目标函数为凸函数，因此所求的局部最优也是全局最优。

5.根据权利要求1所述的基于动态电价的电动汽车充放电调度方法，其特征在于：S4中，在目标函数中变量为电动汽车的充放电功率，相关约束条件决定了非线性规划的可行域；

对于目标函数的实现的约束函数为：

充放电功率约束：

荷电平衡约束：

电池放电深度约束：

10％≤SOC≤100％

其中，SOC为电动汽车荷电状态；Pcm为最大充电功率,Pdm为最大放电功率,Pcit为第i辆电动汽车在t时刻的充电功率，Pdit为第i辆电动汽车在t时刻的放电功率；ΔQi为第i辆电动汽车充电需求；Tib为第i辆电动汽车返回时间，Til为第i辆电动汽车离开时间。

6.根据权利要求1所述的基于动态电价的电动汽车充放电调度方法，其特征在于：S6中，采用改进的非线性规划算法得到的电动汽车充放电费用Rni相对于原始线性规划得到的电动汽车充放电费用Ri高，因此第i辆电动汽车车主均衡负荷造成的损失R1i可以在总的充放电费用中作为补贴返还给用户，同时R1i反馈给长短期神经网络，作为损失函数的一部分，损失函数形式如下：L＝Δf/fe‑ηR1

其中，Δf为电网负荷峰谷差函数；fe为电网平均负荷；η为学习率，设置为0.001；R1i为第i辆电动汽车补贴费用；R1为整体电动汽车补贴费用；n为电动汽车总量。