1.一种基于粒子群算法的电动汽车充电调度优化方法，其特征在于，所述调度优化方法包括如下步骤：

1)当电动汽车处于电量值较低时，用户先向服务器发送充电请求，服务器收到请求后会先收集电动汽车电池的剩余能量、空调状态、电动汽车的当前位置及周边充电站分布情况，同时要参考周围道路拥堵情况，步骤如下：步骤1.1：通过测算流入和流出的库仑量并采用库仑计数法来估算电动汽车剩余能量，在测量过程中，电池容量以安培小时为计量单位，计算公式为：Al＝Amax‑Au                   (1‑1)其中，各参数定义如下：

Amax：满电状态下电池容量；

Au：当前已使用的电池容量；

Al：剩余可使用的电池容量；

Emax：满电状态下电池的能量；

El：电池剩余能量；

步骤1.2：在电动汽车行驶过程中，电动汽车到达充电站的时间往往受到道路拥堵情况的影响，引入拥堵系数ε表示道路的拥堵情况，再根据每段路的拥堵情况计算出电动汽车在该道路的行驶时间，计算公式为：其中，各参数定义如下：

num:进入道路的车辆数；

T:阈值容量，保证道路顺畅通行的最大车辆数；

C:临界值，引起道路拥堵的车辆数；

t:电动汽车在道路的行驶时间；

电动汽车在路段顺畅通行的平均行驶时间；

步骤1.3：根据电动汽车行驶消耗的能量和电动汽车行驶过程中空调所消耗的能量计算电动汽车在道路上行驶消耗的总能量为：E1＝d×E(v)                   (1‑6)E2＝t×E                     (1‑7)E＝E1+E2                    (1‑8)其中，各参数定义如下：

v:电动汽车在道路上的行驶速度；

d:道路长度；

E(v):电动汽车以速度v行驶所对应的能耗；

E1:电动汽车上行驶的总能耗；

E2:电动汽车的空调总能耗；

E:电动汽车需要的总能耗；

步骤1.4：筛选出允许电动汽车充电的g个充电站，引入索引集I＝{1,2,...,i,...,g}，可允许充电的充电站记为{CSi}i∈I；

2)将道路网格化，假设电动汽车只能在路口f和路口m间的水平道路xfm以及路口n和路口m垂直道路ynm上行驶，水平和垂直方向路网的相邻两点的道路集合为{x11,x12,…xfm}和{y11,y12,…ynm}，水平和垂直方向的拥堵系数集合为 和 g个充电站依次排列在路网的终端，结合步骤1)，电动汽车充电调度问题描述成如下的优化问题：

s.t.xfm,ynm＝{0,1}                  (2‑1)x11+y11＝1                     (2‑2)xnm+ynm＝xnm'+yn'm                (2‑3)xfm＝xfm'+ynm                  (2‑4)在此，各参数定义如下：

tg:选择的充电站的等待时间；

水平路段的道路数；

垂直路段的道路数；

电动汽车在水平路段xfm的行驶能耗；

电动汽车在垂直路段ynm的行驶能耗；

El：电动汽车的剩余能量；

其中，m'＝m‑1、n'＝n‑1，若m'＝0、n'＝0，则对应的xnm'、ynm'、xfm'为0；

3)针对这个问题模型，采用粒子群算法为电动汽车选择合适的目标充电站以及到达目标充电站的最优行驶路径，步骤如下：步骤3.1：初始化路网模型并随机产生水平和垂直路段的拥堵系数，设置电动汽车的当前位置为起点，各充电站为终点，设置一个电动汽车初始行驶总时间Tini＝10000，当前最佳解CBS＝Tini，设置行驶路线为L，当前最佳驾驶路线CBV＝L，设置迭代次数k＝1，令步骤3.2：初始化种群个数I，初始化I个种群所处的位置为到达目标充电站i的行驶路线Lini＝{Li}1≤i≤I，其中Li＝{Li,j}1≤j≤Ni，Ni指的是起点到充电站i的行驶路线个数，初始化迭代次数iter＝1；

步骤3.3：如果iter≤I，则执行步骤3.4，否则执行步骤3.7；

步骤3.4：如果k＜Niter，则计算Tsum(L)并执行步骤3.5，否则令iter＝iter+1，k＝1，并执行步骤3.3；

步骤3.5：如果Tsum(L)＜Tini，则更新Tini＝Tsum(L)，更新Lini＝Liter,k并执行步骤3.6，否则执行步骤3.4；

步骤3.6：更新k＝k+1，执行步骤3.4；

步骤3.7：输出电动汽车最短行驶总时间CBS＝Tini，电动汽车最优行驶路线CBV＝Lini；

4)之后，只要服务器和电动汽车处于连接状态，服务器会将目标充电站和到达目标充电站最优路径的信息发送给用户。